ESTADISTICA Ejercicios 1-79

Universidad Nacional Jorge Basadre Grohmann
Facultad de Ingeniería Civil, Arquitectura y Geotecnia

E.A.P. Ingeniería Civil
EJERCICIOS DE ESTADISTICA
1. La función de distribución de la variable aleatoria que representa la

duración en minutos de una llamada telefónica es:
𝟐 −𝟐𝒙 𝟏 −𝒙
𝒇(𝒙) = { 𝟏 − 𝒆 𝟑 − 𝒆 𝟑 , 𝒔𝒊 𝒙 > 0
𝟑 𝟑
𝟎, 𝒔𝒊 𝒙 ≤ 𝟎
SOLUCION:
Se sabe que la función de densidad de probabilidad coincide con la derivada de la
función de distribución. Por tanto, la función de densidad será:
𝑑𝐹(𝑥) 4 −2𝑥/3 1 −𝑥/3

𝑓(𝑥) = 𝐹´(𝑥) = = {9 𝑒 + 𝑒
9
, 𝑠𝑖 𝑥 > 0
𝑑𝑥
0, 𝑠𝑖 𝑥 ≤ 0
La probabilidad de que una llamada dure entre 3 y 6 minutos:
P(3≤ɸ≤6)=F(6) – F(3) ≈ 0.1555
Donde ɸ denota la variable aleatoria que mide la duración de una llamada en

minutos.
2. Sea la variable aleatoria X que toma los valores -1 y 0 con

probabilidades 0,1 y 0,2 respectivamente yademás toma valores en el
intervalo (0,2) de acuerdo con la función de densidad:
𝒌(𝟐𝒙 − 𝟏)𝐬𝐢 𝐱 ∈ (𝟏, 𝟐)
𝒇(𝒙) = {
𝟎, 𝒔𝒊 𝒙 ∉ (𝟏, 𝟐)
A) Hallar el valor de k.
B) Hallar E(X).
SOLUCION:
A) El valor de k es aquel que verifica que la suma de todas las probabilidades

asignadas a los valores de X es 1, es decir:
P(X=1) + P(X=0) + P [X∈(0,2)]=1
Por lo tanto:
2
0,1 + 0,2 + ∫ 𝑘(2𝑥 − 1)𝑑𝑥 = 1 → 𝐾 = 0,35

1
2
B) 𝐸(𝑋) = (−1). 0,1 + 0.0,2 + 0,35 ∫1 𝑥(2𝑥 − 1)𝑑𝑥 = 1,008
3. Se debe elegir entre 2 procesos para la fabricación de pernos cuya

longitud sigue una distribución continua, con funciones de densidad
dadas por f y g para el proceso 1 y el proceso 2 respectivamente. Si
solo se aceptan pernos con longitudes entre 1,1 y 2 cm
𝟑 𝟒
𝒇(𝒙) = {𝒙𝟒 , 𝒔𝒊 𝒙 > 𝟏 𝒈(𝐱) = { 𝐱 𝟓 𝐬𝐢 𝐱 > 𝟏
𝟎, 𝒔𝒊 𝒙 ≤ 𝟏 𝟎, 𝐬𝐢 𝐱 ≤ 𝟏
SOLUCIÓN:
X: longitud de los pernos.

Si solo se acepta pernos con longitudes entre 1,1y2
PROCESO 1: f(x)
PROCESO 2:g(x)
A) ¿Qué proceso mayor porcentaje de pernos aceptados?
2
3 1 2
𝑃(𝐴) = ∫ 4
𝑑𝑥 = [− ] = 0,626
1,1 𝑋 𝑥 3 1,1
2
4 1 2
𝑃(𝐵) = ∫ 5
𝑑𝑥 = [− 4𝑧 ] = 0,621
1,1 𝑋 𝑥 1,1
𝑃(𝐴) = 62.631% 𝑑𝑒 𝑝𝑒𝑟𝑛𝑜𝑠 𝑎𝑐𝑒𝑝𝑡𝑎𝑏𝑙𝑒𝑠

𝑃(𝐵)62.051% 𝑑𝑒 𝑝𝑒𝑟𝑛𝑜𝑠 𝑎𝑐𝑒𝑝𝑡𝑎𝑏𝑙𝑒𝑠
B) Calcular la longitud media y la varianza de los pernos producidos

en cada proceso:
PROCESO 01:
∞
3 3
𝐸(𝑋) = ∫ 𝑋𝑓(𝑥) = ∫ 𝑑𝑥 =
1 𝑥3 2
∞
∫ 𝑥 2 𝑓(𝑥)𝑑𝑥 = ∫ 3/𝑥 2 𝑑𝑥 = 3
1
3
𝑉(𝑋1 ) = ∫ 𝑥 2 𝑓(𝑥)𝑑𝑥 − (𝐸(𝑥)])2 =
4
PROCESO 2:
∞
4 4
𝐸(𝑋) = ∫ 𝑋𝑓(𝑥) = ∫ 𝑑𝑥 =
1 𝑥4 3
∞
4
∫ 𝑥 2 𝑓(𝑥)𝑑𝑥 = ∫ 𝑑𝑥 = 2
1 𝑥3
2 2
4 2 2
)
𝑉(𝑋2 = ∫ 𝑥 𝑓(𝑥)𝑑𝑥 − (𝐸(𝑥)]) =2−( ) =
3 9
RPTA:
A)
𝑷(𝑨) = 𝟔𝟐. 𝟔𝟑𝟏% 𝒅𝒆 𝒑𝒆𝒓𝒏𝒐𝒔 𝒂𝒄𝒆𝒑𝒕𝒂𝒃𝒍𝒆𝒔
𝑷(𝑩)𝟔𝟐. 𝟎𝟓𝟏% 𝒅𝒆 𝒑𝒆𝒓𝒏𝒐𝒔 𝒂𝒄𝒆𝒑𝒕𝒂𝒃𝒍𝒆𝒔
B)
𝟑
𝑽(𝑿𝟏 ) =
𝟒
𝟐
𝑽(𝑿𝟐 ) =
𝟗
4. La variable aleatoria X representa la duración, en minutos, de las
llamadas a una línea telefónica y su f.d.p. está dada por:
−𝒙
𝟏𝒆 𝟐
𝒇(𝒙) = { 𝒔𝒊 𝒙 > 0
𝟐
𝟎 𝒔𝒊 𝒙 < 0
Calcular la probabilidad de que el tiempo de duración de una llamada
esté entre 5 y 10 minutos.
SOLUCIÓN:
−𝑥
10
1𝑒 2 −𝑥
10 1 1
𝑃(5 ≤ 𝑥 ≤ 10) = ∫ 𝑑𝑥 = −𝑒 2 ] = − 5 − (− ) = 0.361
2 2 2 𝑒 𝑒
5. El número medio de accidentes ocurridos en una planta petrolera
es de 2 accidentes en 2 meses.
a. ¿Qué modelo sigue la variable número de accidentes ocurridos en
la planta por 2 meses?
b. Probabilidad de que haya más de 2 accidentes en 2 meses.
c. Probabilidad de que haya entre 2 8 inclusive, en 2 meses.
d. Probabilidad de que haya más de 2 accidente en 1 mes.
SOLUCION:
a. La variable definida sigue un modelo Poisson de parámetro ℷ = 2
𝑋 → 𝑃(2)
DISTRIBUCIÓN DE POISSON
b. Probabilidad de que haya más de 2 accidentes en 2 meses

𝑃(𝑋 > 2) = 1 − 𝑃(𝑋 ≤ 2) = 1 − 0.6767 = 0.3233
c. Probabilidad de que haya entre 2 y 8 inclusive, en 2 meses.
𝑃(2 ≤ 𝑋 ≤ 8) = 𝑃(𝑋 ≤ 8) − 𝑃(𝑋 ≤ 1) = 0.9998 − 0.4060 = 0.5938
d. Probabilidad de que haya más de 2 accidentes en 1 mes. La variable Y
definida sigue un modelo Poisson de parámetro ℷ = 1
𝑋 → 𝑃(2)
DISTRIBUCIÓN DE POISSON
𝑃(𝑌 > 2) = 1 − 𝑃(𝑌 ≤ 2) = 1 − 0.9197 = 0.0803

6. Sea X una variable aleatoria que anota la suma de puntos al lanzar
dos dados. Se pide:
a) Tabla de probabilidades.
b) Esperanza matemática.
c) Desviación típica.
SOLUCION:
a) Al sumar los puntos de dos datos obtendremos unos valores que
oscilan entre 2 (1+1) y 12 (6+6). Para expresar la tabla de
probabilidades, basta con asignar probabilidades a los diferentes
valores (2 a 12) de la variable.
Por ejemplo, para que la suma sea 3 tenemos 2 opciones (1+2 , 2+1)
de los 36 sucesos elementales que componen el espacio muestral de
lanzar 2 dados.
𝒙𝑰 𝑷𝒊
2 1⁄36
3 2⁄36
4 3⁄36
5 4⁄36
6 5⁄36
7 6⁄36
8 5⁄36
9 4⁄36
10 3⁄36
11 2⁄36
12 1⁄36
1 2 1
b) 𝑢 = ∑ 𝑥𝑖 . 𝑝𝑖 = 2. 36 + 3. 36 + ⋯ + 12. 36 = 7
c) 𝜎 2 = ∑ 𝑥𝑖 2 . 𝑝𝑖 − 𝑢2 = 5.833
𝜎 = √𝜎 2 = √5.833 = 2.415
7. Los pesos de los individuos de una población se distribuye
normalmente con media 70 Kg y desviación típica 60 kg. De una
población de 2000 personas, calcula cuantas personas tendrán un
peso comprendido entre 64 kg y 76 kg.
SOLUCION:
Se trata de una distribución normal de media µ=70 y desviación típica σ=6,

N(70,6).
Tipificamos la variable
64−70 76−70
P(64≤76)=P( 6 ) ≤ Z ≤ ( 6 )=P( -1 ≤ Z ≤ 1)= P( Z ≤ 1 ) - P( Z ≤-1)
Entonces
P( Z ≤ 1 ) = 0.8413
P( Z ≤ - 1) = P( Z ≥ 1) = 1 – P( Z ≤ 1 ) = 1 – 0.8413 = 0.1587
⟶P( -1 ≤ Z ≤ 1) = 0.8413 – 0.1587 = 0.6825 = 68.25%
Por lo tanto el 68.25% de las personas pesan entre 64 y 76 kg que

vendrían a ser 1365 personas.
8. La duración media de un televisor es de ocho años y su desviación

típica 0.5 años. Sabiendo que su vida útil se distribuye normalmente,
halla la probabilidad de que al adquirir un televisor dure más de
nueve años.
SOLUCION:
Es una distribución normal de media µ=8 y desviación típica σ=0.5, N(8;0.5).
9−8
P(X > 9) = P(Z ) = P(Z > 2) = 1 – P(Z ≤ 2) = 1 – 0.9772 = 0.0228
0.5
Entonces la probabilidad de adquirir un televisor que duré más de nueve años

es de 2.28%.
9. El número promedio de accidentes laborales en un determinado
polígono industrial donde hay muchas empresas ha sido durante el
año pasado de 3 por hora trabajada. Las empresas de dicho polígono
conciertan un servicio sanitario de urgencias, situado en el propio
polígono, que puede atender a un número máximo de 4 trabajadores
a la vez.
a) ¿Cuál es la probabilidad de atender en dicho servicio durante una
determinada hora o más de dos trabajadores accidentados?b) ¿El
servicio concertado tendría la capacidad de asegurar la atención de
un número suficiente de accidentes con al menos una probabilidad
del 95%?
SOLUCION:
Definimos la variable aleatoria X como número de accidentes laborales en una
hora, X sigue una distribución de Poisson de media 3.
a) P(X > 2) = 1 - P(X≤ 2) = 1 – 0.4232 = 0.5768
b) P(X ≤ x) ≥ 0.95, esto da como solución x= 6, por lo tanto no puede asegurar
la asistencia con la probabilidad deseada.
10. Se supone que los resultados de un examen siguen una
distribución normal con media 78 y varianza 36. Se pide:
a) ¿Cuál es la probabilidad de que una persona que se presenta al
examen obtenga una calificación superior a 72?
b) Si se sabe que la calificación de un estudiante es mayor que 72
¿Cuál es la probabilidad de que su calificación sea, de hecho,
superior a 84?
SOLUCION:
a) ¿Cuál es la probabilidad de que una persona que se presenta al
examen obtenga una calificación superior a 72?
𝒙~𝑵 = (µ; 𝜎) = (78; 36)
𝑃(𝑥 > 72) = 1 − 𝑃(𝑥 ≤ 72)

72 − 78
𝑃(𝑥 > 72) = 1 − 𝑃(𝑧 ≤ )
6
𝑃(𝑥 > 72) = 1 − 𝑃(𝑧 ≤ −1)
Utilizando la tabla de distribución normal, se tiene:
𝑃(𝑥 > 72) = 1 − 0.1587
𝑃(𝑥 > 72) = 𝟎. 𝟖𝟒𝟏𝟑
b) Si se sabe que la calificación de un estudiante es mayor que 72

¿Cuál es la probabilidad de que su calificación sea, de hecho,
superior a 84?
Primero debo hallar 𝑃(𝑥 > 84)

𝑃(𝑥 > 84) = 1 − 𝑃(𝑥 ≤ 84)
84 − 78
𝑃(𝑥 > 84) = 1 − 𝑃(𝑧 ≤ )
6
𝑃(𝑥 > 84) = 1 − 𝑃(𝑧 ≤ 1)
Utilizando la tabla de distribución normal, se tiene:
𝑃(𝑥 > 84) = 1 −0.8413
𝑃(𝑥 > 84) =0.1587
𝑆𝑒 𝑠𝑎𝑏𝑒 𝑞𝑢𝑒: 𝑃(𝑥 > 72) = 0.8413
Entonces, lo pedido en la pregunta es lo siguiente:
𝐵
𝑃( )
𝐴
Esto es la probabilidad condicional donde se quiere hallar la
probabilidad del evento B puesto que ya ocurrió el evento A.
Donde:
Evento A = 𝑃(𝑥 > 72) = 0.8413
Evento B = 𝑃(𝑥 > 84) =0.1587
𝐵 𝑃(𝐵∩𝐴) 0.1587
𝑃 (𝐴 ) = =0.8413 = 𝟎. 𝟏𝟖𝟖𝟔
𝑃(𝐴)
11. El tiempo de vida útil, en días de frascos de cierta medicina es una

variable aleatoria X que tiene la función de densidad.
𝒌
, 𝒙>0
𝒇(𝒙) = { (𝒙 + 𝟏𝟎𝟎)𝟑
𝟎, 𝒆𝒏 𝒍𝒐𝒔 𝒅𝒆𝒎𝒂𝒔 𝒗𝒂𝒍𝒐𝒓𝒆𝒔
a) ¿Cuál debe ser el valor de k, para que f sea función de densidad de
probabilidad?
b) ¿Cuál es la probabilidad de que un frasco de este medicamento
tenga una vida útil de al menos de 200 días?
a) ¿Cuál es la probabilidad de que un frasco de este medicamento

tenga cualquier duración entre 80 y 120 días?
SOLUCION:
Para que f sea una función de densidad de probabilidad se debe cumplir
que:
∫ 𝑓(𝑠). 𝑑𝑥 = 1
En este caso:
∞
𝑘
∫ . 𝑑𝑥
0 (𝑥 + 100)3
𝑅𝑒𝑠𝑜𝑙𝑣𝑖𝑒𝑛𝑑𝑜 𝑒𝑠𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑙 𝑠𝑒 𝑡𝑖𝑒𝑛𝑒 𝑞𝑢𝑒 ∶ 𝒌 = 𝟐𝟎𝟎𝟎𝟎
b) ¿Cuál es la probabilidad de que un frasco de este medicamento

tenga una vida útil de al menos de 200 días?
Se debe de hallar: 𝑃(𝑥 ≥ 200)

𝑃(𝑥 ≥ 200) = 1 − 𝑃(𝑥 < 200)
∞
20000
𝑃(𝑥 ≥ 200) = ∫ 3
. 𝑑𝑥
200 (𝑥 + 100)
Resolviendo:
𝑷(𝒙 ≥ 𝟐𝟎𝟎) = 𝟎. 𝟏𝟏𝟏
c) ¿Cuál es la probabilidad de que un frasco de este medicamento

tenga cualquier duración entre 80 y 120 días?
Se debe hallar: 𝑃(80 < 𝑥 < 120)
120
20000
𝑃(80 < 𝑥 < 120) = ∫ . 𝑑𝑥
80 (𝑥 + 100)3
Resolviendo: 𝑃(80 < 𝑥 < 120) = 0.102
¿Cuál es la vida media de los frascos de esta medicina?

La vida media de los frascos de medicina está dado por:
∞
20000
𝐸(𝑥) = ∫ 𝒙. . 𝑑𝑥
0 (𝑥 + 100)3
𝑅𝑒𝑠𝑜𝑙𝑣𝑖𝑒𝑛𝑑𝑜: 𝐸(𝑥) = 100

Entonces la vida media de los frascos de medicina será de 100 años.
12. La altura de los estudiantes en una universidad es una variable
aleatoria normal con parámetros µ=1.75m y 𝝈=10cm = 0.1m,
calcule la probabilidad de que una persona escogida al azar tenga
una altura en el intervalo (µ;µ+𝝈).
SOLUCION:
𝒙~𝑵 = (µ; 𝜎) = (1.75; 0.1)
Como me pide hallar la probabilidad de x en el intervalo (µ; µ+ 𝜎) igual a (1.75;

1.85)
Entonces lo que pide hallar será: 𝑃(1.75 ≤ 𝑥 ≤ 1.85)
1.75 − 1.75 1.85 − 1.75
𝑃(1.75 ≤ 𝑥 ≤ 1.85) = 𝑃 ( ≤𝑧≤ )
0.1 0.1
𝑃(1.75 ≤ 𝑥 ≤ 1.85) = 𝑃(0 ≤ 𝑧 ≤ 1)
Utilizando la tabla de distribución normal, resuelvo:
𝑷(𝟏. 𝟕𝟓 ≤ 𝒙 ≤ 𝟏. 𝟖𝟓) = 𝟎. 𝟑𝟒𝟏𝟑

13. El error en la temperatura de reacción, en grados centígrados, para un experimento de
laboratorio controlado es una variable aleatoria continua X que tiene la siguiente función de
densidad de probabilidad:
 x 2 / 3,  1  x  2
f ( x)  
 0, en otro caso
a) Verifique la propiedad a.
b) Encuentre la probabilidad de que X tome un valor entre 0 y 1.
Solución:
x / 3 dx  x 3 / 9 1
2 2
a) 1
1
x / 3 dx  1 / 9
2
b) P(0 < x < 1) =
0
14. El tiempo necesario, en milisegundos, para completar una reacción química está aproximado
por la siguiente función de distribución acumulada:
 0, x  0
F ( x)    0.01x
1  e ,x0
Calcule la función de densidad de probabilidad de X. ¿Qué proporción de las reacciones están

completas en 200 milisegundos?
Solución:
 0, x  0
Al derivar: f ( x)    0.01x
0.01e ,x0
P(x < 200) = F(200) = 1 – e-2 = 0.8647

15. Cierta máquina fabrica resistores eléctricos que tienen una resistencia promedio de 25
ohmios y una desviación estándar de 3.2 ohmios. La resistencia tiene una distribución normal.
a) ¿Qué porcentaje de los resistores tendrán una resistencia inferior a 16 ohmios?

b) ¿Qué porcentaje de resistores tendrán una resistencia superior a 35 ohmios?
c) ¿Qué porcentaje de resistores tendrán una resistencia entre 20 y 32 ohmios?
d) ¿Por encima de qué valor está el 10% de los resistores con mayor resistencia?
Solución:
 16  25 
a) P( X  16)  P Z    P( Z  2.81)  0.0025
 3.2 
Lo que implica que el 0.25% de los resistores tienen una resistencia inferior a 16
ohmios.
 35  25 
b) P( X  35)  P Z    P( Z  3.13)  1  P( Z  3.13)  1  0.9991  0.0009
 3.2 
Por lo tanto, el 0.09% de los resistores tienen una resistencia superior a 35 ohmios.
 20  25 32  25 
c)P(20  X  32)  P Z   P(1.56  Z  2.19)
 3.2 3.2 
 P( Z  2.19)  P( Z  1.56)  0.9857  0.0594  0.9263
Por lo tanto, el 92.6% de los resistores tiene una resistencia entre 20 y 32 ohmios.
d ) P( Z  z )  1  0.1  0.9  De la tabla : z  1.28
x
z  x    z  25  1.28(3.2)  29.10 ohmios

16. Las lesiones laborales graves que ocurren en una planta siderúrgica,
tiene una media anual de 2,7. Dado que las condiciones de seguridad
serán iguales en la planta durante el próximo año. ¿Cuál es la
probabilidad de que el número de lesiones graves sea menor que dos?
SOLUCION:
El evento de que ocurrirán menos de dos lesiones graves, es el evento que x=0
o bien x=1, por lo tanto:
(2,7)𝑥 . 𝑒 −2,7
𝑃(𝑥 < 2) = 𝑝(0) + 𝑝(1) 𝑒𝑛 𝑑𝑜𝑛𝑑𝑒, 𝑝(𝑥) =
𝑥!
Sustituyendo en la fórmula para p(x), obtenemos:

(2,7)0 . 0,067206 (2,7)1 . 0,067206
𝑃(𝑥 < 2) = 𝑃(0) + 𝑃(1) = + = 0,249
0! 1!
Por lo tanto, la probabilidad de que haya menos de dos lesiones laborales

graves el próximo año en la planta siderúrgica es 0,249.
17. Supongamos que tenemos un hospital con 20 máquinas de diálisis

renal y que la probabilidad de que una de ellas no funcione bien durante un
día cualquiera es de 0,02. ¿Cuál es la probabilidad de que exactamente 3
queden fuera de servicio en un mismo día?
SOLUCIÓN:
𝑛 = 20 𝑃 = 0,02 𝑥 = 3 𝑞 =1−𝑝
Solución de problema bajo dos enfoques:
 Enfoque de Poisson
(𝑛. 𝑝)𝑛 . 𝑒 −𝑛.𝑝 (20.0,02)3 . 𝑒 −20.0,02
𝑃(𝑥) = = = 0,00715
𝑥! 3!
 Enfoque Binomial
𝑛! 20!
𝑃(𝑥) = [ ] . (𝑝 𝑥 . 𝑞 𝑛−𝑥 ) = [ ] . (0,023 . 0,9820−3 )
(𝑛 − 𝑥)! (20 − 3)!
𝑃(𝑥) = 0.0065
Reflexión:
Como se aprecia en ella la diferencia entre las dos distribuciones de probabilidad
es inane (apenas cerca del 10% de error).
18. Sabiendo que a una central telefónica llegan en promedio 4 llamadas
cada 3 minutos, calcular las siguientes probabilidades:
𝑬(𝒙) 𝟒
𝜸= =
𝒕 𝟑
a) Que lleguen por lo menos una llamada el próximo minuto.
b) Que lleguen menos de 12 llamadas durante un lapso de 10 minutos.
c) Que lleguen más de 40 llamadas durante un cuarto de hora.
SOLUCIÓN:
a) Que lleguen por lo menos una llamada el próximo minuto.
𝛾1 𝑥 . 𝑒 −𝛾1
𝑃(𝑥 ≥ 1) = 1 − 𝑃(𝑥 = 0) = 1 −
𝑥!
En el próximo instante, t=4
16
𝛾1 = 𝛾. 4 =
3
Entonces:
16 0 16
( ) . 𝑒− 3 16
𝑃(𝑥 ≥ 1) = 1 − 3 = 1 − 𝑒 − 3 = 0,9952
0!
b) Que lleguen menos de 12 llamadas durante un lapso de 10 minutos.

40
𝛾1 = 𝛾. 10 = 3
Ahora: (utilizaremos tabla de Poisson)

𝑃(𝑥 < 12) = 𝑃(𝑥 = 11) + (𝑥 = 10) + ⋯ + (𝑥 = 0) = 0,3202
c) Que lleguen más de 40 llamadas durante un cuarto de hora.

𝛾1 = 𝛾. 15 = 20
Ahora: (utilizaremos tabla de Poisson)
𝑃(𝑥 > 40) == 1 − 𝑃(𝑥 ≤ 39) = 1 − [𝑃(𝑥 = 39) + 𝑃(𝑥 = 38) + ⋯ + 𝑃(𝑥 = 0)] ≅ 0
19. sea X la variable aleatoria cuya función de densidad es 𝒇(𝒙) = 𝒂 + 𝒃𝒙 si
𝒙є[−𝟏; 𝟏] y 0 fuera de dicho intervalo. Se pide:
𝒂 + 𝒃𝒙 ; 𝒙є[−𝟏; 𝟏]
𝒇(𝒙) = {
𝟎 ; 𝒓𝒆𝒔𝒕𝒐
𝟏
1. Calcular a y b sabiendo que 𝑬[𝒙] = 𝟔
2. Calcular la varianza
3. Calcular la función de distribución de la variable X
4. Calcular la mediana de X
SOLUCIÓN:
𝟏
1. Calcular a y b sabiendo que 𝑬[𝒙] =
𝟔
𝐸[𝑥] = ∫ 𝑥𝑓(𝑥)𝑑𝑥
Entonces reemplazamos:
1
1
𝐸[𝑥] = ∫ 𝑥(𝑎 + 𝑏𝑥)𝑑𝑥 =
−1 6
Resolviendo la integral:
1
𝑏=
4
Luego usando la función de densidad:
∞
1 = ∫ 𝑓(𝑥)𝑑𝑥
−∞
1
𝑥
1 = ∫ (𝑎 + ) 𝑑𝑥
−1 4
1
𝑎=
2
Por lo tanto la función de densidad queda de la siguiente forma:

1 𝑥
𝑓(𝑥) = {2 + 4 ; 𝑥є[−1; 1]
0 ; 𝑟𝑒𝑠𝑡𝑜
2. Calcular la varianza:
1
𝑣𝑎𝑟(𝑥) = 𝐸[𝑥 2 ] − 𝑢2 ; 𝑢 = 𝐸[𝑥] = 6
1
2]
𝐸[𝑥 = ∫ 𝑥 2 𝑓(𝑥)𝑑𝑥
−1
1
1 𝑥
𝐸[𝑥 2 ] = ∫ 𝑥 2 ( + ) 𝑑𝑥
−1 2 4
1
𝐸[𝑥 2 ] =
3
Reemplazando en nuestra primera ecuación:
𝑣𝑎𝑟(𝑥) = 𝐸[𝑥 2 ] − 𝑢2
1 1
𝑣𝑎𝑟(𝑥) = − ( )2
3 6
11
𝑣𝑎𝑟(𝑥) = 36 = 0.306
3. Calcular la función de distribución de la variable X:

Para hallar la función de distribución acumulativa debemos integrar la
función de densidad que tenemos:
1 𝑥
𝑓(𝑥) = {2 + 4 ; 𝑥є[−1; 1]
Entonces:
1 𝑥
𝐹(𝑥) = ∫( + )𝑑𝑥
2 4
𝐹(𝑥) = 0, 𝑠𝑖 𝑥 < −1 𝑦 𝐹(𝑥) = 1, 𝑠𝑖 𝑥 ≥ 1
𝑥
1 𝑡
𝑆𝑖 − 1 ≤ 𝑥 ≤ 1, 𝐹(𝑥) = ∫ ( + )𝑑𝑡
−1 2 4
Luego:
0, 𝑠𝑖 𝑥 < −1
2
𝑥 𝑥
𝐹(𝑥) = { + , 𝑠𝑖 − 1 ≤ 𝑥 ≤ 1
2 8
1, 𝑠𝑖 𝑥 > 1
4. Calcular la mediana de X:
𝐹(𝑀𝑒) = 𝑃[𝑋 ≤ 𝑀𝑒] = 0.5
𝑥 𝑥2
𝐹(𝑀𝑒) = + = 0.5
2 8
𝑀𝑒 = 0.838
20. Sea X una variable aleatoria cuya función de densidad es:
𝒙 + 𝒂𝒙𝟑 ; 𝒙є[𝟎; 𝟏]
𝒇(𝒙) = {
𝟎 ; 𝒓𝒆𝒔𝒕𝒐
a) Encontrar el valor de la constante a
b) Hallar la media y la varianza de X.
c) Hallar la función de distribución de X.
d) Hallar la mediana de X
SOLUCIÓN:
a) Encontrar el valor de la constante a:
1
𝑓(𝑥) = ∫0 (𝑥 + 𝑎𝑥 3 )𝑑𝑥 = 1
Integrando se obtiene:
𝑎=2
Entonces:
𝑥 + 2𝑥 3 ; 𝑥є[0; 1]
𝑓(𝑥) = {
b) Hallar la media y la varianza de X.

1
La media: 𝑢 = 𝐸[𝑥] = ∫0 𝑥(𝑥 + 2𝑥 3 )𝑑𝑥
𝑥 3 2𝑥 5 1
𝑢 = 𝐸[𝑥] = + |
3 5 0
11
𝑢 = 𝐸[𝑥] =
15
La varianza: 𝑣𝑎𝑟(𝑥) = 𝐸[𝑥 2 ] − 𝑢2
1
Primeramente hallamos 𝐸[𝑥 2 ] = ∫0 𝑥 2 (𝑥 + 2𝑥 3 )𝑑𝑥
7
𝐸[𝑥 2 ] = 12
𝑣𝑎𝑟(𝑥) = 𝐸[𝑥 2 ] − 𝑢2
7 11
𝑣𝑎𝑟(𝑥) = − ( )2
12 15
41
𝑣𝑎𝑟(𝑥) = = 0.0456
900
c) Hallar la función de distribución de X.
Debemos integrar la función de densidad:
𝐹(𝑥) = ∫(𝑥 + 2𝑥 3 )𝑑𝑥
𝐹(𝑥) = 0, 𝑠𝑖 𝑥 < 0 𝑦 𝐹(𝑥) = 1, 𝑠𝑖 𝑥 ≥ 1
𝑥
𝑆𝑖 − 1 ≤ 𝑥 ≤ 1, 𝐹(𝑥) = ∫ (𝑡 + 2𝑡 3 )𝑑𝑡
−1
0, 𝑠𝑖 𝑥 < 0
2 4
𝑥 𝑥
𝐹(𝑥) = { + , 𝑠𝑖0 ≤ 𝑥 ≤ 1
2 2
1, 𝑠𝑖 𝑥 > 1
d) Hallar la mediana de X:
𝐹(𝑀𝑒) = 𝑃[𝑋 ≤ 𝑀𝑒] = 0.5
𝑥2 𝑥4
𝐹(𝑀𝑒) = + = 0.5
2 2
𝑀𝑒 = 0.786
𝟒𝒙𝟑
21. Para la distribución 𝒇(𝒙) = defina en el intervalo [𝟐, 𝟑], hallar la
𝟔𝟓
𝑬[𝟑𝒙𝟐 − 𝟐𝒙 + 𝟏].
SOLUCIÓN:
Aplicando propiedades:
𝐸(𝑦) = 𝐸[3𝑥 2 − 2𝑥 + 1] = 3𝐸[𝑥 2 ] − 2𝐸[𝑥] + 1
Hallando: 𝐸[𝑥] y 𝐸[𝑥 2 ]
3
𝐸[𝑥] = ∫2 𝑥𝑓(𝑥)𝑑𝑥
3 4
𝐸[𝑥] = ∫2 𝑥(65 𝑥 3 )𝑑𝑥
𝐸[𝑥] =2.597
3
𝐸[𝑥 2 ] = ∫ 𝑥 2 𝑓(𝑥)𝑑𝑥
2
2] 3 4
𝐸[𝑥 = ∫2 𝑥 2 (65 𝑥 3 )𝑑𝑥
𝐸[𝑥 2 ] = 6.821
Luego remplazando: 𝐸(𝑦) = 3(6.821) − 2(2.597) + 1

𝐸(𝑦) = 16.269
22. El 20% de los trabajadores de una empresa ir a la huelga. Se seleccionan 5

trabajadores de dicha empresa. Obtenga el modelo de probabilidad que
sigue la variable X = ‘’Número de asistentes a la huelga entre los 5
seleccionados. ’’
a) Probabilidad de que al menos 3 vayan a la huelga.
b) Probabilidad de que todos vayan a la huelga.
c) Probabilidad de que no vaya ninguno.
SOLUCIÓN:
a) La probabilidad de que al menos vayan 3 es:
𝑃(𝑋 ≥ 3)
𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5)
=
𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5)
𝐶35 + 𝐶45 + 𝐶55 𝐶35 + 𝐶45 + 𝐶55

𝑃(𝑋 ≥ 3) = 5 =
𝐶0 + 𝐶15 + 𝐶25 + 𝐶35 + 𝐶45 + 𝐶55 25
5! 5! 5!
+ +
3! (5 − 3)! 4! (5 − 4)! 5! (5 − 5)!
𝑃(𝑋 ≥ 3) =
25
10 + 5 + 1
𝑃(𝑋 ≥ 3) = = 0.5
32
b) La probabilidad de que todos vayan a la huelga es:
𝐶55 1
𝑃(𝑋 = 5) = 5
= = 0.03125
2 32
c) La probabilidad de que ninguno vaya a la huelga es:
𝐶05 1
𝑃(𝑋 = 0) = 5
= = 0.03125
2 32
23. El número medio de accidentes ocurridos en una planta petrolera es de 2

accidentes en 2 meses.
a) ¿Qué modelo sigue la variable número de accidentes ocurridos en la por
2 meses?
b) Probabilidad de que haya más de 2 accidentes en 2 meses.
c) Probabilidad de que haya entre 2 y 8 inclusive, en 2 meses.
d) Probabilidad de que haya más de 2 accidentes en 1 mes.
SOLUCIÓN:
a) La variable definida sigue un modelo Poisson de parámetro 𝜆 = 2.
𝑋 → 𝑃(2)
b) Probabilidad de que haya más de 2 accidentes en 2 meses.

𝑃(𝑋 > 2) = 1 − 𝑃(𝑋 ≤ 2)
𝑃(𝑋 > 2) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)]
𝑒 −2 × 20 𝑒 −2 × 21 𝑒 −2 × 22
𝑃(𝑋 > 2) = 1 − [ + + ]
0! 1! 2!
𝑃(𝑋 > 2) = 1 − 0,6767 = 0,3233
c) Probabilidad de que haya entre 2 y 8 inclusive, en 2 meses.
𝑃(2 ≤ 𝑋 ≤ 8) = 𝑃(𝑋 ≤ 8) − 𝑃(𝑋 < 2)
8 1
𝑒 −2 × 2𝑘 𝑒 −2 × 2𝑘
𝑃(2 ≤ 𝑋 ≤ 8) = ∑ −∑
𝑘! 𝑘!
𝑘=0 𝑘=0
8
𝑒 −2 × 2𝑘
𝑃(2 ≤ 𝑋 ≤ 8) = ∑ = 0,5938
𝑘!
𝑘=2
d) Probabilidad de que haya más de 2 accidentes en 1 mes. La variable Y

definida sigue un modelo Poisson de parámetro 𝜆 = 1.
𝑌 → 𝑃(1)
𝑃(𝑌 > 2) = 1 − 𝑃(𝑌 ≤ 2)
𝑃(𝑌 > 2) = 1 − [𝑃(𝑌 = 0) + 𝑃(𝑌 = 1) + 𝑃(𝑌 = 2)]
𝑒 −1 × 10 𝑒 −1 × 11 𝑒 −1 × 12
𝑃(𝑌 > 2) = 1 − [ + + ]
0! 1! 2!
𝑃(𝑌 > 2) = 1 − 0,9197 = 0,0803

24. En una ciudad el 13% de los ciudadanos acude a un mitin. Se ha obtenido
una muestra de 250 ciudadanos en dicha ciudad. ¿Qué modelo sigue la
variable X = Número de ciudadanos que acuden al mitin entre los 250
seleccionados?
a) Esperanza y varianza de la variable.
b) Probabilidad de que más de 20 asista al mitin.
c) Probabilidad de que entre 20 y 80 inclusive, asista al mitin.
d) Probabilidad de que menos de la mitad acuda al mitin.
SOLUCIÓN:
La variable definida sigue un modelo binomial que se aproxima a normal.
a) La esperanza matemática de la variable es:
𝐸(𝑋) = 𝜇 = 𝑛𝑝
𝜇 = 250 × 0,13 = 32,5
La varianza de la variable es:
𝑉(𝑋) = 𝜎 2 = 𝑛𝑝(1 − 𝑞)
𝜎 2 = 250 × 0,13 × 0,87 = 28,275 , 𝜎 = 5,3174
b) La probabilidad de que asistan más de 20 al mitin es:

𝑃[𝑋 > 20 − 0,5] = 𝑃[𝑋 > 19,5]
𝑋−𝜇
𝑧= → 𝑧 ~ 𝑁(0,1)
𝜎
19 − 32.5
𝑃 [𝑧 > ] = 𝑃[𝑧 > −2,54] = 𝑃[𝑧 ≤ 2,54]
5.3174
𝑃(2,54) = 0,9945
c) Probabilidad de que entre 20 y 80 inclusive, asista al mitin.
𝑃[20 − 0,5 ≤ 𝑋 ≤ 80 + 0,5] = 𝑃[19,5 ≤ 𝑋 ≤ 80,5]
𝑋−𝜇
𝑧= → 𝑧 ~ 𝑁(0,1)
𝜎
19,5 − 32.5 80,5 − 32.5

𝑃[ ≤𝑧≤ ] = 𝑃[−2,54 ≤ 𝑧 ≤ 9,03]
5.3174 5.3174
𝑃[𝑧 ≤ 9,03] − 𝑃[𝑧 ≥ −2,54] = 𝑃[𝑧 ≤ 9,03] − 𝑃[𝑧 ≤ 2,54]
𝑃(9,03) − 𝑃(2,54) = 1 − 0,9945 = 0,0055
d) Probabilidad de que menos de la mitad acuda al mitin.
𝑃[𝑋 < 125 − 0,5] = 𝑃[𝑋 < 124,5]
𝑋−𝜇
𝑧= → 𝑧 ~ 𝑁(0,1)
𝜎
124,5 − 32.5
𝑃 [𝑧 < ] = 𝑃[𝑧 ≤ 17,30]
5.3174
𝑃(17,30) = 1
25. Para establecer el precio a pagar por cada litro de leche, se ha tenido
en cuenta el contenido de materia grasa por litro de leche. Se
consideraron 3 categorías:
Categoría 1: contenido en materia grasa inferior a 4%
Categoría 2: contenido en materia grasa entre 4% y el 5%
Categoría 3: contenido en materia grasa superior al 5%
Por estudios anteriores, se sabe que el porcentaje de materia grasa por
litro de leche procesado por esta empresa es una variable aleatoria X con
función de densidad:
𝟐(𝟔 − 𝒙)
𝒇(𝒙) = { , 𝒔𝒊 𝟑 < 𝒙 < 𝟔
𝟗
𝟎, 𝒔𝒊 𝒙 ∉ (𝟑, 𝟔)
Sabiendo que el precio del litro de leche pagado por una empresa es de 3
$ para la categoría 1; 3,5$ para la categoría 2 y 4$ para la categoría 3,
obténgase el precio medio del litro de leche pagado por la empresa láctea.
SOLUCIÓN:
Sean los sucesos:
Ai: “pertenecer a la categoría i”; i = 1, 2, 3.
Definimos la v.a.:
Y: “precio pagado por cada litro de leche”
Se quiere calcular E(Y); para lo cual se necesita conocer la f.d.p. de la v.a. Y.
4
2(6 − 𝑥) 5
𝜌1 = 𝑃(𝐴1 ) = ∫ 𝑑𝑥 =
3 9 9
5
2(6 − 𝑥) 3
𝜌2 = 𝑃(𝐴2 ) = ∫ 𝑑𝑥 =
4 9 9
6
2(6 − 𝑥) 1
𝜌3 = 𝑃(𝐴3 ) = ∫ 𝑑𝑥 =
5 9 9
Entonces:
𝐸(𝑌) = 3𝜌1 + 3.5𝜌2 + 4𝜌3 = 3.27 $
26. Sea 𝒇 la función definida por:

𝟐(𝟏 − 𝒙), 𝒔𝒊 𝟎 ≤ 𝒙 ≤ 𝟏
𝒇(𝒙) = {
𝟎, 𝒔𝒊 𝒙 < 𝟎 ó 𝒙 > 𝟏
Comprobar que cumple las condiciones para ser una función de densidad
de probabilidad. Si X es una variable aleatoria cuya función densidad es 𝒇,
calcular:
1. 𝑷(𝑿 > 𝟎. 𝟓)
2. 𝑷(𝟎. 𝟓 < 𝑿 < 𝟎. 𝟕𝟓)
3. 𝑷(𝑿 > 𝟎. 𝟕𝟓 𝑿 > 𝟎. 𝟓)
4. 𝑬[𝑿] 𝒚 𝝈𝑿 𝟐
SOLUCIÓN:
Las condiciones que debe cumplir una función para ser una densidad de
probabilidad, comprobaremos que f(x) las cumple; primero, si 0 ≤ 𝑥 ≤ 1, se
tiene 2(1 − 𝑥) ≥ 0 luego se tiene 𝑓(𝑥) ≥ 0 para todo 𝑥 ∈ 𝑅; segundo, unos
pocos cálculos nos muestran que la integral de 𝑓(𝑥) es igual a uno.
∞ 0 1 ∞
∫ 𝑓(𝑥) 𝑑𝑥 = ∫ 0 𝑑𝑥 + ∫ 2(1 − 𝑥)𝑑𝑥 + ∫ 0 𝑑𝑥
−∞ −∞ 0 1
1
= ∫ 2(1 − 𝑥)𝑑𝑥
0
Ahora, una función primitiva de 2(1 − 𝑥) es −(1 − 𝑥)2 , ya que se tiene:
∫ 2(1 − 𝑥)𝑑𝑥 = −2 ∫ −(1 − 𝑥) 𝑑𝑥
(1 − 𝑥)2
−2 = −(1 − 𝑥)2
2
Y resulta
1
1
∫ 2(1 − 𝑥)𝑑𝑥 = −(1 − 𝑥)2 0 = 1
0
1. Aplicamos formula:
∞
𝑃(𝑋 > 0.5) = ∫ 𝑓(𝑥)𝑑𝑥
0.5
1
= ∫ 2(1 − 𝑥)𝑑𝑥
0.5
1
= −(1 − 𝑥)2 0.5 = 0.52 = 0.25
2. Calculamos con la formula anterior:

0.75
𝑃(0.5 < 𝑋 < 0.75) = ∫ 𝑓(𝑥) 𝑑𝑥
0.5
0.75
=∫ 2(1 − 𝑥)𝑑𝑥
0.5
0.75
= −(1 − 𝑥)2 0.5 = 0.52 − 0.752 = 0.1875
3. Como consecuencia de la definición de probabilidad condicionada,
para calcular
𝑃(𝑋 > 0.75, 𝑋 > 0.5), necesitamos conocer 𝑃(𝑋 > 0.5), que ya calculamos
en el apartado 1.
Y 𝑃({𝑋 > 0.75} ∩ {𝑋 > 0.5}) = 𝑃(𝑋 > 0.75), que se calcula de manera
similar
∞
𝑃(𝑋 > 0.75) = ∫ 𝑓(𝑥) 𝑑𝑥
0.75
1
=∫ 2(1 − 𝑥)𝑑𝑥
0.75
1
= −(1 − 𝑥)2 0.75 = 0.752 = 0.0625
Se sigue:
𝑃(𝑋 > 0.75) 0.0625
𝑃(𝑋 > 0.75/ 𝑋 > 0.5) = = = 0.25
𝑃(𝑋 > 0.5) 0.25
4. El concepto y cálculo del valor esperado de una variable continua X se
explica en el apartado 2.1.4; en este caso, el valor a calcular es:
1 1
𝐸[𝑋] = ∫ 2𝑥(1 − 𝑥)𝑑𝑥 = 2 ∫ (𝑥 − 𝑥 2 ) 𝑑𝑥
0 0
1 1
𝑥2 2𝑥 3
= −
20 3 0
2 1
=1− =
3 3
Para calcular la varianza lo mejor es emplear la fórmula 2.14, para ello
calculamos el momento de segundo orden:
1 1
𝐸[𝑥 2 ] = ∫ 𝑥 2 2(1 − 𝑥)𝑑𝑥 = 2 ∫ (𝑥 2 − 𝑥 3 ) 𝑑𝑥
0 0
1 1
2𝑥 3 2𝑥 4
= −
3 0 4 0
2 1 1
= − =
3 2 6
Ahora, el cálculo de la varianza es igual a:
1 12 1
𝜎𝑥2 = − =
6 3 18
27. Una variable aleatoria X tiene función de distribución definida por:
𝟎, 𝒔𝒊 𝒙 < 𝟎
𝑭(𝒙) = { 𝒙𝟐 , 𝒔𝒊 𝟎 ≤ 𝒙 < 𝟏
𝟏, 𝒔𝒊 𝒙 ≥ 𝟏
1. Representar gráficamente 𝑭(𝒙)
2. Comprobar que es una función de distribución.
𝟏
3. Calcular 𝑷(𝟎 ≤ 𝑿 ≤ 𝟒)
4. ¿Tiene función de densidad esta función de distribución?
SOLUCIÓN:
1. La gráfica de F(x) es:
2. Resulta casi inmediato verificar que cumple las tres condiciones de la

caracterización de las funciones de distribución, es una función no de
creciente, continua por la derecha y 𝐹(𝑥) → 0 cuando 𝑥 → −∞ y
𝐹(𝑥) → 1 cuando 𝑥 → ∞.
1
3. Para calcular 𝑃(0 ≤ 𝑋 ≤ 4), comenzaremos por expresarla en unos
términos que sean adecuados para introducir la función de distribución;
así, ponemos:
𝑃(0 ≤ 𝑋 ≤ 1/4) = 𝑃(𝑋 = 0) + 𝑃(0 < 𝑋 ≤ 1/4)
La probabilidad 𝑃(𝑋 = 0) es igual al tamaño del salto en 𝑥 = 0 que, por ser
continua
en ese punto, será igual a cero 𝑃(𝑋 = 0) = 𝐹(0) − 𝐹(0−) = 0 − 0;
También se tiene:
1
𝑃(0 < 𝑋 ≤ 1/4) = 𝐹(1/4) − 𝐹(0) =
16
En resumen, se tiene 𝑃(0 ≤ 𝑋 ≤ 1/4) = 1/16.
4. La candidata a ser función de densidad es la derivada 𝐹 ′(𝑥) que

existe en todos los puntos salvo en 𝑥 = 1; se tiene:
0, 𝑠𝑖 𝑥 < 0
′
𝐹 (𝑥) = {2𝑥, 𝑠𝑖 0 ≤ 𝑥 < 1
1, 𝑠𝑖 𝑥 ≥ 1
∞ 1
∫ 𝐹 ′ (𝑥)𝑑𝑥
= ∫ 2𝑥 𝑑𝑥 = 𝑥 2 10 = 1
−∞ 0
Luego 𝐹′ es la densidad de 𝐹.
28. La urna contiene 7 bolas rojas y 3 blancas. Se extrae aleatoriamente

tres bolas de la urna, sucesivamente sin reposición. Determinar la
probabilidad que las dos primeras sean rojas y la tercera blanca.
SOLUCIÓN:
Total=n=10 bolas
𝑃(𝐴) = 𝑃(1°𝑅)𝑥𝑃(2°𝑅)𝑥𝑃(3°𝐵)
Explicación:
En la primera sacada los eventos deseados serian 7 rojas y el 𝑛(Ω) = 10
En la segunda sacada los eventos deseados serian 6 rojas, puesto que se ha
sacado 1 bola de la urna. Así como el espacio muestral se ha reducido 𝑛(Ω) = 9
En la tercera sacada los eventos deseados serian 3 azules y el espacio muestral
se ha reducido nuevamente y será: 𝑛(Ω) = 8
7 6 3
𝑃(𝐴) = 𝑥 𝑥 = 0.175
10 9 8
29. Un aparato electrónico consta de dos partes. La probabilidad que falle
la primera es 0.20, que fallen las dos partes es 0.15 y de que falle sólo
la segunda parte es 0.45. Calcular la probabilidad que:
a. Falle sólo la primera parte.
b. Falle la primera parte cuando se sabe que falló la segunda.

SOLUCIÓN:
a. Falle sólo la primera parte:
A B
0.20
0.15 0.45
P(A − B) = 0.20 − 0.15

P(A − B) = 0.05
b. Falle la primera parte cuando se sabe que falló la segunda:
Falle B (B) No Falle B (𝐵̅) TOTAL

Falle A (A) 0.15 0.05 0.20
No Falle A (𝐴̅) 0.30 0.30 0.60
TOTAL 0.45 0.55 1
𝑃(𝐵 ∩ 𝐴)
𝑃(𝐴⁄𝐵 ) =
𝑃(𝐵)
0.15
𝑃(𝐴⁄𝐵 ) =
0.45
𝟏
𝑷(𝑨⁄𝑩) =
𝟑
30. En un lote de 20 televisores se sabe que hay 5 defectuosos. Se extrae
al azar una muestra de tres televisores sin reposición. Hallar la probabilidad
que la muestra contenga:
a) 0 defectuosos
b) 1 defectuosos
c) 2 defectuosos
d) 3 defectuosos
SOLUCIÓN:
El espacio muestral (Ω) = 20 televisores
A: defectuosos = 5
B: No defectuosos= 15
→ muestra de 3 televisores sin reposición
 Por teoría sabemos:
Definición de una Distribución Hipergeométrica
𝑁−𝑟
𝐶𝑛−𝑘
𝑓 (𝑘) = 𝑃 (𝑥 = 𝑘) = 𝐶𝑘𝑟 𝑥 , 𝐾 = 0,1,2, … … , 𝑛
𝐶𝑛𝑁
 n= elementos escogidos al azar
 R= Fracasos
 N= conjunto de Elemento
 K el evento [x=K] ocurre, si y solo si, en las n Extracciones sucesivas sin
reposición ocurre k éxitos.
Con nuestros datos sabemos que:

 N=20
 R=5
 n=3
 K=0, 1, 2, 3
a) 0 defectuosos
5! 15!
𝐶05 . 𝐶3−0
20−5 . 12! 𝑥3! 1𝑥17! 𝑥3! 𝑥15!
𝑃[𝑥 = 0] = = 5! 0! =
𝐶3 20 20! 20! 𝑥 12! 𝑥 3!
17! .3!
15𝑥14𝑥13
= = 0,399122807
20𝑥19𝑥18
b) 1 defectuoso
5! 15!
𝐶15 𝑥𝐶3−1
20−5 𝑥 13! 𝑥2! 5𝑥15𝑥7
𝑃[𝑥 = 1] = = 4! 𝑥1! =
𝐶320 20! 20𝑥19𝑥3
17! 𝑥3
= 0,4605263158
c) 2 defectuosos
5! 15!
𝐶25 𝑥𝐶 20−5 𝑥
𝑃[𝑥 = 2] =
3−3
= 2! 3! 15! 𝑥0! = 10𝑥15 = 0,1315789474
20
𝐶3 20! 20𝑥19𝑥3
17! 𝑥3!
d) 3 defectuosos
5! 15!
𝑥
2! 3! 15! 𝑥0
𝐶35 𝑥𝐶3−3
20−5
10𝑥1 1
𝑃[𝑥 = 3] = = = = = 8,771929825𝑥10−3
𝐶320 20! 20𝑥19𝑥3 114
17! 𝑥3!
Respuesta:
 0 defectuosos la probabilidad es de 0,399122807
 3 defectuosos la probabilidad es de 8,771929825𝑥10−3
31. Cuando se acerque un tren, un operador de la estación apretara un

botón con una probabilidad de 0.95. Si él aprieta el botón, el interruptor
opera con una probabilidad de 0.99. Si el interruptor opera, sonara una
alarma con probabilidad de 0.9 ¿cuál es la probabilidad de que la alarma
suene?
SOLUCIÓN:
Si indicamos por A el evento de que suene la alarma, nos preguntan la
probabilidad P(A), la cual no involucra ninguna probabilidad condicional.
Analizamos que para que ésta suene se debe realizar una secuencia de etapas
encadenadas o enlazadas, una después de otra:
Primero, habrá que activar el circuito oprimiendo un botón, después, que el
interruptor opere y por último, que la alarma suene. Por tal razón, el evento de
que suene la alarma está determinado por la intersección de tres eventos 𝐴1 ,
𝐴2 , 𝐴3 que deben ocurrir en tres etapas secuenciales, o sea evento A se puede
indicar por 𝐴 = 𝐴1 ∩ 𝐴2 ∩ 𝐴3 .
1. Aquí el operador oprime un botón o no lo oprime. si llamamos por A el

evento de apretarlo, nos indican que 𝑃(𝐴1 ) = 0.95 y por lo tanto 𝑃(𝐴1𝑐 ) =
0.05
2. El interruptor puede operar o no operar, aún si en el experimento anterior
ocurrió el evento 𝐴1 . Indicado por 𝐴2 , el evento de que el circuito funcione
correctamente y con 𝐴𝑐2 el que no opere, podemos representar
simbólicamente el dato de que el circuito opera con una probabilidad de
0.99 cuando se aprieta el botón como sigue:
𝑃(𝐴2 /𝐴1 ) = 0.99 ; 𝑃(𝐴𝐶2 /𝐴1 ) = 0.01

3. Si 𝐴3 indica que la bocina operó correctamente, el dato de que hay una

probabilidad de 0.9 de que suene la bocina dado que el circuito operó (y
que también se apretó el botón), significa
Con la descripción anterior de 𝐴1 , 𝐴2 𝑦 𝐴3 quedará claro que
𝐴 = 𝐴1 ∩ 𝐴2 ∩ 𝐴3
Y por lo tanto
𝑃(𝐴) = 𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 )
Ahora recurrimos a la ley de la cadena para expresar la probabilidad de la

intersección
𝐴2 𝐴3
𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ) = 𝑃(𝐴1 )𝑥 𝑃 ( ) 𝑥𝑃 ( )
𝐴1 𝐴1 ∩ 𝐴2
Que se puede mostrar probabilidad fácilmente a partir de condicional de

𝐴3 dado 𝐴1 𝑦 𝐴2 :
𝐴3 𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 )
𝑃( )=
𝐴1 ∩ 𝐴2 𝑃(𝐴1 ∩ 𝐴2 )
Despejando la probabilidad de la intersección de los tres eventos resulta
𝐴3
𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ) = 𝑃(𝐴1 ∩ 𝐴2 )𝑥𝑃 ( )
𝐴1 ∩ 𝐴2
Recurrimos nuevamente a la ley de la cadena para intersección de dos

eventos
𝐴2
𝑃(𝐴1 ∩ 𝐴2 ) = 𝑃(𝐴1 )𝑥𝑃 ( )
𝐴1
con lo que resulta
𝐴2 𝐴3
𝑃(𝐴) = 𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ) = 𝑃(𝐴1 )𝑥𝑃 ( ) 𝑥𝑃 ( )
𝐴1 𝐴1 ∩ 𝐴2
0.95𝑥0.99𝑥0.9 = 0.84645
Respuesta:
 La probabilidad de que suene la alarma es de 0.84645
32. Suponga que cierta factoría produce tres productos designados por A,
B y C. ¿Cuál es la probabilidad de seleccionar un producto defectuosos
A, si se sabe que el 30% de los productos producidos en la factoría A y
5% de los productos A son defectuosos?
SOLUCIÓN:
Datos
A= productos A
D=productos defectuosos de A
Se busca:
𝑃(𝐴 ∩ 𝐷) =? ?
Se sabe que:
𝑃(𝐴) = 30%
𝐷
𝑃 ( ) = 5%
𝐴
𝐷 𝑃(𝐴 ∩ 𝐷)
𝑃( ) =
𝐴 𝑃(𝐴)
𝐷
𝑃 ( ) . 𝑃(𝐴)
⏟ = 𝑃(𝐴 ∩ 𝐷)
⏟ 𝐴
5% . 30% = 𝑃(𝐴 ∩ 𝐷)
→ 𝑃(𝐴 ∩ 𝐷) = 0.015
33. Una urna contiene 3 bolas blancas y 5 bolas negras. Se extrae al azar y
sucesivamente dos bolas, sabiendo que la primera bola extraída es blanca;
¿Cuál es la probabilidad que la segunda bola extraída también se blanca?
SOLUCIÓN:
Datos
 3 bolas blancas
 5 bolas negras
Se busca:
𝑃(𝐵) =Sacar sucesivamente 2 bolas blancas
𝐶13 𝑥𝐶12 3𝑥2
𝑃(𝐵) = = = 0.107142857
𝑉28 8𝑥7
34. En una urna hay 8 bolas enumeradas de 1 a 8, se extraen al azar y
sucesivamente 3 bolas.
a) ¿Cuál es la probabilidad que sean las tres pares?
b) ¿Cuál es la probabilidad que sean tres números consecutivos?
SOLUCIÓN:
a. Probabilidad de que las tres bolas sean pares
Datos:
Bolas enumeradas del 1 al 8→ 1, 2, 3, 4, 5, 6, 7,8
A: 2, 4, 6,8
𝑉34 4𝑥3𝑥2
𝑃(𝐴) = = = 0.071428571
𝑉38 8𝑥7𝑥6
𝑃(𝐴) = 0.071428571
b. Probabilidad de que las 3 bolas extraídas sean números consecutivos

𝐵 = {123; 234; 345; 456; 567; 678}
5 5
𝑃(𝐵) = = = 0.089285714
𝐶38 8𝑥7𝑥6
1𝑥2𝑥3
Problema 35:
En una urna existen 3 bolas rojas, 6 blancas, 4 verdes y 2 negras. Determine Ud. la probabilidad
de que al elegir 3 bolas al azar:
a) ellas no resulten del mismo color.

b) ellas resulten del mismo color
SOL:
Si:
P (M)= probabilidad que resulten del mismo color
P (N)= probabilidad que no resulten del mismo color
Sabemos que:
𝑃(𝑁) = 1 − 𝑃(𝑀)
Hallamos la probabilidad que resulten del mismo color “P (M)”
𝑃(𝑀) = 𝑃(𝑟𝑜𝑗𝑎𝑠) + 𝑃(𝑏𝑙𝑎𝑛𝑐𝑎) + 𝑃(𝑣𝑒𝑟𝑑𝑒𝑠) + 𝑃(𝑛𝑒𝑔𝑟𝑎𝑠)

3 2 1 6 5 4 4 3 2
𝑃(𝑀) = ( ) + ( ) + ( ) +0
15 14 13 15 14 13 15 14 13
6 120 24
𝑃(𝑀) = + + +0
2730 2730 2730
15
𝑃(𝑀) =
273
Hallamos la probabilidad que no resulten del mismo color “P (N)”
𝑃(𝑁) = 1 − 𝑃(𝑀)
15
𝑃(𝑁) = 1 −
273
𝑃(𝑁) = 0.94505
𝑃(𝑁) = 94.51%
Rpta.
15
a) 𝑃(𝑀) = 273 = 0.054945 = 5.495%
b) 𝑃(𝑀) = 94.51%
Problema 36
En un lote de 10 válvulas hay dos válvulas defectuosas, si se prueban las válvulas una por una.
¿Cuál es la probabilidad de que la ultima válvula defectuosa sea detectada en la tercera
prueba?
Sol:
N=10 : total de válvulas
r=2 : defectuosas (éxito)
n=3 : válvulas a probar
K=0, 1, 2
Por lo tanto: en la tercera prueba tendremos lo siguiente:
N=8
r=1
n=1
K=0, 1
1
1 1
𝑃(𝑥 = 1) = ( 1 ) = = 0.142857 = 14.286%
1 7 7
1
37. En una urna hay 2 bolas azules, 1 blanca y 3 rojas. Se van a extraer al
azar 2 bolas. Calcule usted la probabilidad de que las dos bolas sean rojas
o una blanca y la otra azul.
SOLUCIÓN:
URNA: 2 bolas azules, 1 blanca y 3 rojas.
TOTAL= 6 bolas
A) Las 2 bolas sean rojas o una blanca y otra azul
𝐶23 𝐶11 𝑥𝐶12 3 + 2 5 1

𝑃(𝐴) = 6+ 6 = = =
𝐶2 𝐶2 15 15 3
38. Un fabricante recibe el 45% de su material para un transistor de la

compañía A, el 35% de la compañía B y el resto de la compañía C. Sabe por
experiencia que el 1% del material de la compañía A será defectuoso, y que
el 2% del material de la compañía B y C estará en malas condiciones
también. En un lote que contiene material de las tres compañías hay mil
transistores. ¿Cuál es la probabilidad de que un transistor este
defectuoso? ¿Cuál es la probabilidad de que si un transistor estuviese
defectuoso contase con material de la compañía B.
SOLUCIÓN:
𝐷
A 45% D1% 𝑃(𝐴). 𝑃 (𝐴 ) = 𝑃(𝐴 ∩ 𝐷) =
0.45𝑥0.01
𝐷
COMPAÑÍA B 35% D 2% 𝑃(𝐵). 𝑃 (𝐵 ) = 𝑃(𝐵 ∩ 𝐷) =
0.35𝑥0.02
𝐷
C 20% D 2% 𝑃(𝐶). 𝑃 (𝐶 ) = 𝑃(𝐶 ∩ 𝐷) =
0.20𝑥0.02
𝑃(𝐷) = 𝑃(𝐴 ∩ 𝐷) + 𝑃(𝐵 ∩ 𝐷) + 𝑃(𝐶 ∩ 𝐷)
𝑃(𝐷) = 0.45𝑥0.01 + 0.35𝑥0.02 + 0.20𝑥0.002 = 0.0155
𝐵 𝑃(𝐵 ∩ 𝐷) 0.35𝑥0.02
𝑃( ) = = = 0.4516
𝐷 𝑃(𝐷) 0.0155
39. Se desea formar una comisión que está formado por 6 hombres y 8
mujeres. Si se desea formar una comisión integrada por 4 delegados con
igual representatividad; calcular:
a) La probabilidad que la comisión sea mixta.
b) La probabilidad que la comisión esta integrada por 3 hombres y una
mujer.
SOLUCIÓN:
6 hombres y 8 mujeres
TOTAL= 14 personas
A) Que la comisión sea mixta
𝐶26 𝑥𝐶28 15𝑥28
𝑃(𝐴) = = = 0.4196
𝐶414 1001
B) Que la comisión este integrada por 3 hombres y 1 mujer.

𝐶36 𝑥𝐶18 20𝑥8
𝑃(𝐵) = = = 0.1598
𝐶414 1001
40. En una asignatura universitaria de primero asisten a clase 100 de los

150 alumnos matriculados. Se sabe que aprueban el 90% de los alumnos
que asisten a clase y el 30% de los que no asisten. Se elige un alumno al
azar. Calcular:
a) La probabilidad de que haya aprobado
b) Si se sabe que el alumno ha desaprobado, la probabilidad de que
haya asistido a clase.
SOLUCIÓN:
S=asisten a la clase
A= aprobar
100 2 𝐴
𝑃(𝑆) = 150 = 3 𝑃 ( 𝑆̅ ) = 30%
𝐴 𝑃(𝐴∩𝑆̅)
𝑃 ( 𝑆 ) = 90% 𝑃(𝐴/𝑆̅) = 𝑃(𝑆̅)
𝑃(𝐴∩𝑆) 𝐴
𝑃(𝐴/𝑆) = 𝑃(𝐴 ∩ 𝑆̅) = 𝑃( 𝑆̅ ) × 𝑃(𝑆̅)
𝑃(𝑆)
2 1
𝑃(𝐴 ∩ 𝑆) = 0.9 × 3 = 0.6 𝑃(𝐴 ∩ 𝑆̅) = 0.3 × 3 = 0.1
𝑃(𝐴) = 𝑃(𝐴 ∩ 𝑆) + 𝑃(𝐴 ∩ 𝑆̅)

a) P(A) = 0.7
𝑃(𝑆∩𝐴) ̅
b) 𝑃(𝑆/𝐴̅) = 𝑃(𝐴̅) 𝑃(𝑆) = 𝑃(𝑆 ∩ 𝐴̅) + 𝑃(𝑆 ∩ 𝐴)
(0.2/3)
𝑃(𝑆/𝐴̅) = 0.3 = 0.22 𝑃(𝑆 ∩ 𝐴̅) = 𝑃(𝑆) − 𝑃(𝑆 ∩ 𝐴)
2
𝑃(𝑆 ∩ 𝐴̅) = 0.1 × 3
41. El volumen de producción de dos plantas de una empresa es de 8000 y

10000 unidades de producto por día. El porcentaje de piezas defectuosas
es de 0.5% en la primera fábrica y del 0.8% en la segunda. Calcular la
probabilidad de que al elegir un producto al azar sea defectuoso.
SOLUCIÓN:
8000 0.5%
18000
A
Empresas
(Ω = 18000)
B 10000 0.8%
18000
𝐷
𝑃(𝐴 ∩ 𝐷) = 𝑃(𝐴) × 𝑃 ( )
𝐴
8
𝑃(𝐴 ∩ 𝐷) = × 0.5%
18
𝐷
𝑃(𝐵 ∩ 𝐷) = 𝑃(𝐵) × 𝑃 ( )
𝐵
10
𝑃(𝐵 ∩ 𝐷) = × 0.8%
18
𝑃(𝐷) = 𝑃(𝐴 ∩ 𝐷) + 𝑃(𝐵 ∩ 𝐷)
𝑃(𝐷) = 0.002 + 0.0044
𝑃(𝐷) = 0.0066
42. Tres amigos juegan con un dado de la siguiente forma. Cada uno
lanzada el dado a lo sumo una vez. Si el primero en lanzar saca un seis,
gana y se acaba la partida; si no saca seis, lanza el segundo, que gana si
obtiene un cuatro o un cinco, acabando la partida. Si tampoco gana este,
lanza el dado el tercero, que gana si obtiene tres, dos o uno. Aunque no
gane el tercero, la partida se termina. Hallar la probabilidad que tuene cada
uno de ganar y la probabilidad de que la partida termine sin ganador.
SOLUCIÓN:
A=gana saca 6
B=gana saca 4, 5
C=gana saca 3, 2, 1
1
a) 𝑃(𝐴) = 6
𝐵 2 𝐵
b) 𝑃 (𝐴) = 6 → 𝑃(𝐴 ∩ 𝐵) = 𝑃 (𝐴) × 𝑃(𝐴)
2 1 1
𝑃(𝐴 ∩ 𝐵) = × =
6 6 18
𝐶 3 𝐶
c) 𝑃 (𝐴∩𝐵) = 6 → 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 𝑃 (𝐴∩𝐵) × 𝑃(𝐴 ∩ 𝐵)
3 1 1
𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = × =
6 18 36
d) Termine sin ganador

35
𝑃(𝐷) = 1 − 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) =
36
43.- Las probabilidades de aprobar lengua son del 80%, las de aprobar
matemáticas del 75% y las de aprobar ingles del 70%.Calcula:
SOLUCIÓN:
a) Las probabilidades de aprobar las tres asignaturas.
Datos:
A=Aprobar lengua P(A)=80%
B=Aprobar matemáticas P(B)=75%
C=Aprobar ingles P(C)=70%
𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 𝑃(𝐴)𝑥𝑃(𝐵)𝑥𝑃(𝐶)
𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 0.8𝑥0.75𝑥0.7
𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 0.42
b) La probabilidad de desaprobar solo una

𝑃(𝑆1) = 𝑃(𝐴̅ ∩ 𝐵 ∩ 𝐶) + 𝑃(𝐴 ∩ 𝐵̅ ∩ 𝐶) + 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶̅ )
𝑃(𝑆1) = 𝑃(𝐴̅)𝑥𝑃(𝐵)𝑥𝑃(𝐶) + 𝑃(𝐴)𝑥𝑃(𝐵̅ )𝑥𝑃(𝐶) + 𝑃(𝐴)𝑥𝑃(𝐵)𝑥𝑃(𝐶̅ )
𝑃(𝑆1) = 0.2𝑥0.75𝑥0.7 + 0.8𝑥0.25𝑥0.7 + 0.8𝑥0.75𝑥0.3
𝑃(𝑆1) = 0.105 + 0.14 + 0.18
𝑃(𝑆1) = 0.425
44.- Una bolsa contiene 2 bolas negras y 3 bolas blancas. Otra bolsa tiene
4 bolas negras y 2 bolas blancas. Se elige una de las bolsas al azar y se
extrae una bola. Calcular la probabilidad de:
Es un experimento compuesto, para analizarlo utilizamos un diagrama en
árbol, etiquetando las ramas con las probabilidades condicionadas.
SOLUCIÓN:
Denominamos los sucesos:

B1 = La bola es de la bolsa 1
B2 = La bola es de la bolsa 2
N = La bola es negra
B = La bola es blanca
a) La bola es blanca y de la bolsa primera

3
𝑃(𝐵 ∩ 𝐵1) = 𝑃(𝐵⁄𝐵1). 𝑃(𝐵1) = 𝑥0.5 = 0.3
5
b) La bola es blanca
𝑃(𝐵) = 𝑃(𝐵 ∩ 𝐵1) + 𝑃(𝐵 ∩ 𝐵2)
𝑃(𝐵) = 𝑃(𝐵⁄𝐵1). 𝑃(𝐵1) + 𝑃(𝐵⁄𝐵2). 𝑃(𝐵2)
3 2 28
𝑃(𝐵) = 𝑥0.5 + 𝑥0.5 = = 0.46
5 6 60
c) Si la bola es negra, ¿Cuál es la probabilidad de que sea de la segunda bolsa?
𝑃(𝑁⁄𝐵2). 𝑃(𝐵2)
𝐵2
𝑃( ⁄𝑁) =
𝑃(𝑁⁄𝐵1). 𝑃(𝐵1) + 𝑃(𝑁⁄𝐵2). 𝑃(𝐵2)
4
𝑃(𝐵2⁄𝑁) = 6 𝑥0.5 5
= = 0.625
2 4
𝑥0.5 + 6 𝑥0.5 8
5
45.- El 30% de los estudiantes de un Instituto practica el fútbol, el 40%

practica el baloncesto y el 10% practica ambos deportes. Se elige un
estudiante al azar. Calcula:
Ordenando en un cuadro de doble entrada:
SOLUCIÓN:
FUTBOL NO FUTBOL TOTAL
BALONCESTO 10 30 40
NO BALONCESTO 20 40 60
TOTAL 30 70 100
a) La probabilidad de que no juegue al futbol ni al baloncesto.

40
𝑃(𝐹̅ ∩ 𝐵̅ ) = = 0.4
100
b) Si juega al futbol, ¿Cuál es la probabilidad de que juegue al baloncesto?
𝑃(𝐵 ∩ 𝐹) 10 1
𝑃(𝐵⁄𝐹 ) = = =
𝑃(𝐹) 30 3
c) ¿Son independientes jugar al futbol y al baloncesto?
Debemos comprobar si se cumple: 𝑃(𝐹 ∩ 𝐵) = 𝑃(𝐹)𝑥𝑃(𝐵)
10
= 0.3𝑥0.4
30
0.10 ≠ 0.12
Por lo tanto, se comprueba que no son independientes.
46. Una bolsa contiene 2 bolas negras, 3 bolas blancas, 4 bolas rojas y 5
bolas verdes. Se extrae una bola de la bolsa, describe el espacio muestral
y calcula la probabilidad de:
a) la bola es de color rojo.
b) la bola no es negra.
c) la bola es blanca o verde.
SOLUCIÓN:
El espacio muestral sería:
E= {𝑏𝑜𝑙𝑎 𝑛𝑒𝑔𝑟𝑎, 𝑏𝑜𝑙𝑎 𝑏𝑙𝑎𝑛𝑐𝑎, 𝑏𝑜𝑙𝑎 𝑟𝑜𝑗𝑎, 𝑏𝑜𝑙𝑎 𝑣𝑒𝑟𝑑𝑒}
Hallamos las probabilidades pedidas:
4 4
a) P(roja) = P(R ) = 14 = 14
2 6
b) P(no negra) = P(𝑁 𝐶 ) = 1-P(N) = 1 - 14 = 7
3 5 4
c) P(blanca o verde) = P(B U V) = P(B) + P(V) = 14 + 14 = 7
47. La clase de estadística tiene 35 estudiantes, 20 cursan la clase de

matemáticas, 18 cursan la clase de economía y 10 cursan ambas materias.
Encuentre la probabilidad de que, al seleccionar un estudiante al azar, el
estudiante:
a) curse economía o matemáticas.
b) curse administración.
c) ni curse matemática ni curse economía.
d) curse economía pero no matemáticas.
e) curse economía o matemáticas pero no ambas.
SOLUCIÓN:
Sea: E = estudiantes que cursan economía

M = estudiantes que cursan matemáticas
A = estudiantes que cursan administración
Hallamos las probabilidades pedidas:
a) P(E U M) = P(E) + P(M) – P(A ∩ M)
18 20 10 4
P(E U M) = 35 + 35 - 35 = 5
7
b) P(A) = 35
7 1
c) P(𝑀𝐶 ∩ 𝐸 𝐶 ) = 35 = 5
8
d) P(E ∩ 𝑀𝐶 ) = 35
18
e) P((E U M) ∩ (𝐸 ∩ 𝑀) 𝐶 ) = 35
48. En un estudio realizado entre un grupo de profesionales se determinó

el grado de escolaridad máximo alcanzado y el nivel de ingresos. Los
resultados se muestran en la tabla siguiente.
Ingresos
Escolaridad Altos Medios Bajos Total
Bachiller 18 27 5 50
Profesional 26 38 16 80
Postgrado 9 15 9 33
total 53 80 30 163
Si se selecciona al azar a un profesionista, encuentre la probabilidad de
que:
a) Tenga ingresos altos y escolaridad máxima alcanzada de bachiller.
b) Tenga ingresos altos.
c) Tenga ingresos medios o escolaridad profesional.
d) tenga ingresos bajos o medios.
SOLUCIÓN:
Sea: 𝐼𝐴 = ingresos altos
𝐼𝑀 = ingresos medios
𝐼𝐵 = ingresos bajos
𝐸𝐵 = escolaridad máxima alcanzada de bachiller.
𝐸𝑃 = escolaridad profesional
Hallamos las probabilidades pedidas con ayuda del cuadro:
18
a) P(𝐼𝐴 ∩ 𝐸𝐵 ) = 163
53
b) P(𝐼𝐴 ) = 163
c) P(𝐼𝑀 U 𝐸𝑃 ) = P(𝐼𝑀 ) + P(𝐸𝑃 ) – P(𝐼𝑀 ∩ 𝐸𝑃 )

80 80 38
P(𝐼𝑀 U 𝐸𝑃 ) = 163 + 163 - 163
122
P(𝐼𝑀 U 𝐸𝑃 ) = 163
d) P(𝐼𝐵 U 𝐼𝑀 ) = P(𝐼𝐵 ) + P(𝐼𝑀 ) - P(𝐼𝐵 ∩ 𝐼𝑀 )

30 80 0
P(𝐼𝐵 U 𝐼𝑀 ) = 163 + 163 - 163
110
P(𝐼𝐵 U 𝐼𝑀 ) = 163
49) En un grupo de amigos el 80% están casados, Entre los casados, el 75%
tiene trabajo. Finalmente, un 5% no están casados y tampoco tienen
trabajo.
a) ¿Qué porcentaje no tiene trabajo?
b) Si uno tiene trabajo, ¿Que probabilidad hay de que este casado?
c) ¿Qué porcentaje están casados entre los que no tiene trabajo?
Solución:
Considerando nuestro espacio muestral Ω =100 grupo de amigos que se
clasifican C (casados), NC (no casados), T (trabajan) y NT (no trabajan).
Según tabla:
no trabajan
trabajan (T) total
(NT)
casados ( C ) 75 5 80
no casados
15 5 20
(NC)
total 90 10 100
a) ¿Qué porcentaje no tiene trabajo?

#(𝑁𝑇) 10
𝑃(𝑁𝑇)% = 𝑥100% = 𝑥100% = 10%
Ω 100
b) Si uno tiene trabajo, ¿Que probabilidad hay de que este casado?

75
𝑃(𝐶 ∩ 𝑇)) 100 5
𝑃(𝐶⁄𝑇) = = =
𝑃(𝑇) 90 6
100
c) ¿Qué porcentaje están casados entre los que no tiene trabajo?
#(𝐶 ∩ 𝑁𝑇) 5
𝑃(𝐶⁄𝑁𝑇)% = 𝑋100% = 𝑋100% = 50%
#(𝑁𝑇) 10
50) El costo C de proyectos de reforestación en San Martin, en miles de

dólares está dado por 𝑪 = 𝟑𝑿 + 𝟓𝑿𝟐 , siendo X el tiempo empleado para
desarollarlo, una variable aleatoria con una distribución aritmética que
verifica:
𝟏𝟑
𝑬[(𝑿 − 𝟎. 𝟓)𝟐 ] = , 𝒚 𝑬[(𝑿 − 𝟏)𝟐 ] = 𝟐
𝟒
Calcule el costo promedio de los proyectos.
Solución:
Como nos pide el promedio del costo E(C), entonces por definición.
𝐸[𝐶] = 𝐸[𝟑𝑿 + 𝟓𝑿𝟐 ]
𝐸[𝐶] = 𝐸[𝟑𝑿] + 𝐸[𝟓𝑿𝟐 ]
𝐸[𝐶] = 3𝐸[𝑿] + 5𝐸[𝑿𝟐 ] , necesitamos hallar los valores de 𝐸[𝑿] 𝑦 𝐸[𝑿𝟐 ]
Ahora, utilizando los datos que nos dan
𝟏𝟑 𝑬[(𝑿 − 𝟏)𝟐 ] = 𝟐
𝑬[(𝑿 − 𝟎. 𝟓)𝟐 ] =
𝟒
𝑬[𝑿𝟐 − 𝟐𝑿 + 𝟏] = 𝟐
𝟏 𝟏𝟑
𝑬 [𝑿𝟐 − 𝑿 + ] = 𝑬[𝑿𝟐 ] − 𝑬[𝟐𝑿] + 𝑬[𝟏] = 𝟐
𝟒 𝟒
𝟐]
𝟏 𝟏𝟑 𝑬[𝑿𝟐 ] − 𝟐𝑬[𝑿] =
𝑬[𝑿 − 𝑬[𝑿] + 𝑬 [ ] =
𝟒 𝟒
𝑬[𝑿𝟐 ] − 𝑬[𝑿] = 𝟑
Sistema de ecuaciones
𝑬[𝑿𝟐 ] = 𝟓
𝑬[𝑿] = 𝟐
Remplazando los datos obtenidos en E(C)
𝐸[𝐶] = 3𝐸[𝑿] + 5𝐸[𝑿𝟐 ]

𝐸[𝐶] = 3.2 + 5.5 = 31𝑚𝑖𝑙 𝑑𝑜𝑙𝑎𝑟𝑒𝑠
51) Un producto químico contiene una proporción X de cierta componente
por litro .El producto es vendido a 6$/litro, si la proporción de la
componente es menor de 50% y a 8$/litro, en caso contrario. Si el producto
es elaborado a 5$/litro y si X es una variable aleatoria con función de
densidad:
a) Calcule la constante C y obtenga la función de probabilidad de X

b) Defina la función de distribución acumulada de X y calcule la mediana.
Graficar.
c) Defina la función utilidad por litro del producto y calcule la utilidad
esperada por litro.
Solución:
a)
Entonces el área del triángulo es 1
1𝑥𝑐
𝐴= =1
2
𝑐=2
Función de probabilidad (en este caso la ecuación de la recta) 𝑓(𝑋) = 2𝑋 , 0 ≤
𝑥≤1
𝑋
b) La función acumulativa será 𝐹(𝑋) = ∫0 𝑓(𝑋)𝑑𝑥 = 𝑋 2 , 0 ≤ 𝑥 ≤ 1
Por definición de la mediana 𝐹(𝑀𝑒 ) = 0.5

𝐹(𝑀𝑒 ) = (𝑀𝑒 )2 = 0.5
𝑀𝑒 = 0.7071667812
Nuestra grafica de distribución acumulativa es:
c)
Para hallar la utilidad tenemos 2 casos según el problema: proporción de
componente menor que 0.5, se vende a 6$ y mayor que 0.5 se vende a 8$,
también nos defines el precio de elaboración 5$, claramente la utilidad es la
diferencia de precios en cada caso, nuestra función utilidad quedará así:
8 − 5 , 0.5 < 𝑥 ≤ 1
𝑈(𝑋) = {
6 − 5 , 0 ≤ 𝑥 ≤ 0.5
Calculando la utilidad esperada por litro definida de la siguiente manera:
+∞
𝐸[𝑋] = ∫ 𝑋. 𝑓(𝑋)𝑑𝑥
−∞
En nuestro caso la utilidad esperada seria
Donde f(x) es la función de

probabilidad
Tener en cuenta que U(X) es
compuesta, de ahí tendremos
los valores de X y los límites de
nuestra integral.
1 0.5 1
𝐸[𝑋] = ∫ 𝑋. 𝑓(𝑋)𝑑𝑥 = ∫ 1. 𝑓(𝑋)𝑑𝑥 + ∫ 3. 𝑓(𝑋)𝑑𝑥

0 0 0.5
0.5 1
𝐸[𝑋] = ∫0 1. 𝑋 2 𝑑𝑥 + ∫0.5 3. 𝑋 2 𝑑𝑥
9 1
𝐸[𝑋] = 4 + 4 = 2.5
53.- La demanda en miles de kilogramos de un producto es una variable

aleatoria X con función de densidad de probabilidad dada por:
𝒄𝒙, 𝒔𝒊 𝟎 ≤ 𝒙 ≤ 𝟑
𝒇(𝒙) = {
𝟎, 𝒆𝒏 𝒐𝒕𝒓𝒐𝒔 𝒄𝒂𝒔𝒐𝒔
Grafique la distribución de X. Luego, calcule su media, su mediana y su

moda.
Si la utilidad en miles de soles del producto es el doble de la demanda
menos 3 soles, calcule la media y la varianza de la utilidad.
Solución:
a) hallemos c
3
∫ 𝑐𝑥 𝑑𝑥 = 1
0
3
𝑐𝑥 2
| =1
2 0
𝑐 = 2/9
𝑌
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0 𝑋
0 0.5 1 1.5 2 2.5 3 3.5
2
⇒ 𝑓(𝑥) = {9 𝑋, 𝑆𝑖 0 ≤ 𝑥 < 3
0, 𝑒𝑛 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
Ahora calculemos su media

+∞ 3 3
2 2𝑥 3
𝐸(𝑥) = ∫ 𝑓(𝑥)𝑥𝑑𝑥 = ∫ 𝑥 𝑥𝑑𝑥 = | =2
−∞ 0 9 27 0
Su mediana será cuando 𝐹(𝑥) = 0.5

𝑥
2 𝑥2
𝐹(𝑥) = ∫ 𝑥𝑑𝑥 =
0 9 9
Ahora
𝑀𝑒 2
𝐹(𝑀𝑒) = 0.5 =
9
𝑀𝑒 = √4.5
La moda es en el punto donde 𝑓(𝑥) alcanza su máxima expresión, según la
gráfica en 3.
𝑀𝑜 = 3
b) La utilidad será: 𝑈 = 2𝑥 − 3
La varianza
32 3 2 2
𝑉(𝑥) = 𝐸(𝑥 2 ) − [𝐸(𝑥)]2 = ∫0 9 𝑥. 𝑥 2 𝑑𝑥 − [∫0 𝑥 9 𝑥𝑑𝑥] = 4.5 − 4 = 0.5
Nos pide hallar la media y la varianza de la utilidad:

Tenemos 𝐸(𝑥) = 2 y 𝑉(𝑥) = 0.5
𝐸(2𝑥 − 3) = 2. 𝐸(𝑥) − 3 = 1 → 𝐸(𝑈) = 1
𝑉(2𝑥 − 3) = 22 𝑉(𝑥) = 2 → 𝑉(𝑈) = 2
𝑅𝑒𝑠𝑝𝑢𝑒𝑠𝑡𝑎: 𝑎)𝐸(𝑥) = 2; 𝑀𝑒 = √4.5; 𝑀𝑜 = 3 𝑏)𝐸(𝑈) = 1; 𝑉(𝑈) = 2

54.-La vida útil de un producto, en meses, es una variable aleatoria X con

función de distribución acumulativa dada por:
𝒙
−
𝒇(𝒙) = {𝟏 − 𝒆 𝟑 , 𝒔𝒊 𝟎 ≤ 𝒙 ≤ 𝟑
𝟎, 𝒆𝒏 𝒐𝒕𝒓𝒐𝒔 𝒄𝒂𝒔𝒐𝒔
Calcule la mediana de la duración del producto. Ilustrar con una gráfica.
Calcule la media 𝝁 y la desviación estándar 𝝈 de X. ¿Qué porcentaje de
estos productos dura entre 𝝁 − 𝟐𝝈 y entre 𝝁 + 𝟐𝝈
Solución:
Hallemos la mediana:
𝑥
𝐹(𝑀𝑒) = 0.5 → 1 − 𝑒 −3 = 0.5 → 𝑀𝑒 = 2.079
Primero hallemos 𝑓(𝑥)
𝑌
1.2
1 𝑥
1 − 𝑒 −3
0.8
0.6
0.4
0.2
0
0 2 4 6 8 10 12 14 𝑋
Sabemos por teoría que:

𝑥
𝑑𝐹(𝑥) 𝑒 −3
𝑓(𝑥) = → 𝑓(𝑥) =
𝑑𝑥 3
𝑥
+∞ +∞
𝑒 −3 𝑥 −∞ +∞ 𝑥 𝑥 −∞
𝐸(𝑥) = ∫ 𝑓(𝑥)𝑥𝑑𝑥 = ∫ 𝑥 𝑑𝑥 = −𝑥𝑒 −3 | + ∫ 𝑒 −3 𝑑𝑥 = 0 − 3𝑒 −3 |
0 0 3 0 0 0
=3
𝜇=3
𝜎 = √𝑉𝑎𝑟(𝑥)
+∞ +∞ 2
2) [𝐸(𝑥)]2 2
𝑉𝑎𝑟(𝑥) = 𝐸(𝑥 − =∫ 𝑓(𝑥)𝑥 𝑑𝑥 − [∫ 𝑓(𝑥)𝑥𝑑𝑥]
0 0
+∞ 𝑥 𝑥 +∞ +∞ 𝑥
=∫ 𝑥 2 𝑒 −3 𝑑𝑥 −3 = 2
−𝑥 2 𝑒 −3 | + 2∫ 𝑥𝑒 −3 𝑑𝑥 − 9
0 0 0
= 0 + 18 − 9 = 9
⇒𝜎=3
¿Qué porcentaje dura 𝜇 − 2𝜎 y 𝜇 + 2𝜎?
Simplemente analizamos en la función de distribución acumulativa sabiendo que:
𝜇 − 2𝜎 = −3 y 𝜇 + 2𝜎 = 9
𝐹(9) − 𝐹(−3) = 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒𝑠 𝑒𝑛𝑡𝑟𝑒 𝑒𝑠𝑡𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠
9
1 − 𝑒 −3 − 0 = 0.95021 = 95%
𝑅𝑒𝑠𝑝𝑢𝑒𝑠𝑡𝑎: 𝑀𝑒 = 2.079; 𝜇 = 3; 𝜎 = 3; 95%

55.- La demanda mensual en kilogramos de un producto es una variable
aleatoria X cuya función de densidad de probabilidad es dada por:
𝒙
−
𝒇(𝒙) = {𝒌𝒆 𝟖𝟎𝟎𝟎 , 𝒔𝒊 𝒙 ≥ 𝟎
𝟎, 𝒆𝒏 𝒐𝒕𝒓𝒐 𝒄𝒂𝒔𝒐
Halle el valor de k y grafique la distribución. Luego, calcule la demanda
promedio del producto y su desviación estándar.
Si la utilidad neta en soles por kilogramo del producto está dada por:
𝒙 𝒙𝟐
𝑼 = 𝟐𝟎 + +𝟐
𝟒𝟎𝟎𝟎 𝟖𝟎𝟎𝟎𝟐
¿Cuánto es la utilidad neta esperada por kilogramo?
¿Qué cantidad mensual del producto es necesario para satisfacer la
demanda en el 95% de los meses?
Solución:
a)
+∞ 𝑥
∫ 𝑘𝑒 −8000 𝑑𝑥 = 1
0
𝑥 +∞
−𝑘8000 𝑒 −8000 | =1
0
1
𝑘=
8000
Entonces la función de distribución será:

1 −
𝑥
𝑓(𝑥) = {8000 𝑒 8000 , 𝑠𝑖 𝑥 ≥ 0
0, 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
𝑌
1 𝑥
𝑒 −8000
8000
+∞ 𝑥 +∞
1 𝑥 1 𝑥
𝐸(𝑥) = ∫ 𝑒 −8000 𝑑𝑥 = [−8000𝑒 −8000 . 𝑥|+∞
0 − 80002 −8000
𝑒 | ]
0 8000 8000 0
= 8000
𝜇 = 8000
+∞ 𝑥
𝑉𝑎𝑟(𝑥) = 𝐸(𝑥 2 ) − [𝐸(𝑥)]2 = ∫ 𝑥 2 𝑒 −8000 𝑑𝑥 − 80002 = 2(8000)2 − 80002
0
= 8000
𝜎 = 8000
b)
𝑥 𝑥2
𝑈 = 20 + +2
4000 80002
𝐸(𝑥) = 80002
𝐸(𝑥 2 ) = 2(8000)2
𝑥 𝑥2 𝐸(𝑥) 𝐸(𝑥 2 )
𝐸 (20 + +2 ) = 𝐸(20) + +2 = 26
4000 80002 4000 80002
𝐸(𝑈) = 26
c)
𝑥
∫ 𝑓(𝑥)𝑑𝑥 = 0.95
0
𝑥 𝑥 𝑥
1 𝑥
∫ 𝑒 −8000 = −𝑒 −8000 | = 0.95
0 8000 0
𝑥
−𝑒 −8000 + 1 = 0.95
𝑥
𝑒 −8000 = 0.05
𝑥
ln(0.05) = −
8000
𝑥 = 23965.85819
1
𝑅𝑒𝑠𝑝𝑢𝑒𝑠𝑡𝑎: 𝑘 = ; 𝜇 = 8000; 𝜎 = 8000; 𝐸(𝑈) = 26; 𝑥 = 23965.85819
8000
56.-Un agente de bienes raíces cobra horarios fijos de $200 más una
comisión de 5% sobre el beneficio obtenido por el propietario, si el
beneficio del propietario es una variable aleatoria X con función de
densidad de probabilidad:
𝟏
𝒇(𝒙) = {𝟐𝟎𝟎𝟎 ; 𝒔𝒊 𝟎 ≤ 𝒙 ≤ 𝟐𝟎𝟎𝟎
𝟎; 𝒆𝒏 𝒆𝒍 𝒓𝒆𝒔𝒕𝒐
¿Cuánto es la utilidad esperada del agente?

¿Qué probabilidades hay de que el agente obtenga utilidades superiores a
$275?
Solución:
Hallamos la utilidad esperada:

2000 2000
1 𝑥2 1
𝐸(𝑥) = ∫ 𝑥 𝑑𝑥 = | = 1000
0 2000 2 2000 0
𝑈(𝑥) = 𝜇 + 0.05𝑋 = 𝜇 + 0.05𝐸(𝑥) = 200 + 0.05(1000) = 200 + 50

𝑼(𝒙) = 𝟐𝟓𝟎
Hallamos la probabilidad:
𝑈(𝑥) = 275 = 200 + 0.05𝑋 → 𝑋 = 1500
𝑃(𝑈 > 275) = 𝑃(𝑋 > 1500) = 1 − 𝑃(𝑋 < 1500)
1500
1 𝑥 1500 1500
𝑃(𝑋 < 1500) = 𝐹(1500) = ∫ 𝑑𝑥 = | = = 0.75
0 2000 2000 0 2000
𝑃(𝑈 > 275) = 𝑃(𝑋 > 1500) = 1 − 𝑃(𝑋 < 1500) = 1 − 0.75
𝑷(𝑼 > 𝟐𝟕𝟓) = 𝟎. 𝟐𝟓
57) La utilidad mensual de una empresa de servicios es igual a 1000 soles

más una proporción X de la ganancia por alquiler de sus máquinas. Si se
considera a X como una variable aleatoria continua, con función de
densidad por
𝑨𝒙(𝟏 − 𝒙)𝒔𝒊 𝟎 ≤ 𝒙 ≤ 𝟏
𝒇(𝒙) = { }
𝟎 𝒆𝒏 𝒆𝒍 𝒓𝒆𝒔𝒕𝒐
a) cuanto es la utilidad esperada de la empresa si esta tiene 25000 soles

mensuales por alquiler de sus maquinas
b) Con que probabilidad la utilidad de la empresa supera los 11000?
Solución:
a) ∫𝑘𝑒−𝑥8000𝑑𝑥+∞0=1 −𝑘8000𝑒−𝑥8000|0+∞=1 𝑘=18000
Entonces la función de distribución será: (𝑥)={18000𝑒−𝑥8000,𝑠𝑖 𝑥≥00,𝑒𝑛 𝑜𝑡𝑟𝑜
𝑐𝑎𝑠𝑜
(𝑥)=∫18000𝑒−𝑥8000𝑑𝑥+∞0=18000[−8000𝑒−𝑥8000.𝑥|0+∞−80002𝑒−𝑥8000|0+∞]=
8000 𝜇=8000
𝑉(𝑥)=𝐸(𝑥2)−[𝐸(𝑥)]2=∫𝑥2+∞0𝑒−𝑥8000𝑑𝑥−80002=2(8000)2−80002=8000 𝜎=8000
𝑈 = 1000 + 25000
b) 𝑈=20+𝑥4000+2𝑥280002 (𝑥)=80002 (𝑥2)=2(8000)2

(20+𝑥4000+2𝑥280002)=𝐸(20)+𝐸(𝑥)4000+2𝐸(𝑥2)80002=26 𝐸(𝑈)=26
p(X>0.4) = 0.648
58) La vida útil en años de una batería es una variable aleatoria X con
función de densidad:
𝒇(𝒙) = 𝟎. 𝟐𝒆−𝟎.𝟐𝒕 , 𝒙 ≥ 𝟎
Cada batería lo produce a un costo de $20 y lo vende a $50, con una
garantía de un año que consiste en el cambio por una nueva por única vez.
Defina la utilidad por batería del fabricante. ¿Cuánto es su utilidad
esperada?
¿Qué tiempo de garantía debería ofrecer el fabricante para que solo le
devuelvan el 5% de las baterías vendidas?
Solución:
La vida útil de una batería se evalúa en dos casos, uno cuando la vida útil de la
batería es menor a la garantía, que en este caso es de 1 año y el segundo caso
cuando este supera la garantía señalada.
Analizamos los 2 casos
Vida útil de la batería 0 ≤ X < 1

La probabilidad estará dada por la integral de la densidad, evaluada en la función
densidad.
1
𝑃[0 ≤ 𝑋 < 1] = ∫ 0.2𝑒 −0.2𝑡 𝑑𝑡 = 1 − 𝑒 −0.2

0
La utilidad por definición es la ganancia de la venta en este caso si el fabricante

cobrase la ganancia que sería de 𝑉𝑒𝑛𝑡𝑎 − 𝐶𝑜𝑠𝑡𝑜 = 50 − 20 = 30 pero la
garantía de un año consiste en el cambio por una nueva, por única vez para este
caso la garantía es menor de 1 año por lo cual deducimos; si ganaba 30, el
cambio por única vez es de 20 debido al costo la cual estamos dándonos una
ganancia de 10.
Vida útil de la batería 1 ≤ X

Nuevamente la probabilidad estará dada por la integral de la densidad, evaluada

en la función densidad
+∞
𝑃[1 ≤ 𝑋] = ∫ 0.2𝑒 −0.2𝑡 𝑑𝑡 = 𝑒 −0.2

1
La utilidad por definición es la ganancia de la venta en este caso sería:

𝑉𝑒𝑛𝑡𝑎 − 𝐶𝑜𝑠𝑡𝑜 = 50 − 20 = 30
La utilidad U la utilidad por batería del fabricante de acuerdo a la garantía se da

en la siguiente tabla:
𝑽𝒊𝒅𝒂 Ú𝒕𝒊𝒍: 𝑿 𝟎≤𝑿<𝟏 𝟏≤𝑿
𝑷𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 1 − 𝑒 −0.2 𝑒 −0.2
𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅 10 30
Entonces la Utilidad esperada es:
𝐸(𝑈) = 10(1 − 𝑒 −0.2 ) + 30(𝑒 −0.2 )
Sabemos que K es el tiempo de garantía para que le devuelvan solamente un

5%; de aquí deducimos lo siguiente : 𝐹(𝑘) = 𝑃[𝑋 ≤ 𝑘] = 0.05
𝑘
𝐹(𝑘) = 𝑃[𝑋 ≤ 𝑘] = ∫ 0.2𝑒 −0.2𝑡 𝑑𝑡 = 1 − 𝑒 −0.2𝑘

0
0.05 = 1 − 𝑒 −0.2𝑘
𝑘 = 0.2564664719
Respuesta:
La utilidad esperada es: 𝐸(𝑈) = 10(1 − 𝑒 −0.2 ) + 30(𝑒 −0.2 )
Tiempo de garantía 𝑘 = 0.2564664719
59. la demanda en miles metros de determinada tela de una compañía textil

es una variable aleatoria X con función de densidad dada por:
𝟏
𝒇(𝒙) = { 𝒔𝒊 𝟎 ≤ 𝒙 ≤ 𝟓, 𝟎 𝒆𝒏 𝒆𝒍 𝒓𝒆𝒔𝒕𝒐
𝟓
Por cada metro de tela se gana 3$ pero por cada metro de tela no vendidaen
la temporada se pierde 1$.calcule la producción que maximiza la utilidad
esperada de la compañía.
Solución:
X: demanda
K: la producción
𝑈 = {3𝑥 − 1(𝑘 − 𝑥) 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 ≤ 𝑘, 3𝑘 𝑝𝑎𝑟𝑎 𝑘 ≤ 𝑥 ≤ 5
𝑘 5
𝐸(𝑈) = ∫ (4𝑥 − 𝑘)𝑓(𝑥)𝑑𝑥 + ∫ 3𝑘𝑓(𝑥)𝑑𝑥
0 𝑘
𝐾 5
(4𝑥 − 𝑘) 3𝑘
𝐸(𝑈) = ∫ 𝑑𝑥 + ∫ 𝑑𝑥
0 5 𝑘 5
2
𝐸(𝑈) = 3𝑘 − 𝑘 2
5
Derivando
4
𝑘𝑚𝑎𝑥 = 3 − 𝑘 = 0
5
15
𝑘=
4
Sin reemplazar la función densidad:
𝑘
𝐸(𝑈) = 4 ∫ 𝑥𝑓(𝑥)𝑑𝑥 − 4𝑘𝐹(𝑥) + 3𝑘
0
60. la duración e meses de una máquina moto-aradora es una variable X

𝟏 −𝒙⁄
con función de densidad: 𝒇(𝒙) = 𝟒 𝒆 𝟒, 𝒙 ≥ 𝟎. Un usuario alquila la
máquina pagando 1000$ mensuales durante K meses, la máquina le
produce una utilidad no neta de 3000$ mensuales mientras funciona y de
0$ en el periodo de falla. Además paga a un operador 200$ mensuales solo
cuando la máquina funciona.
a) obtenga la utilidad esperada mensual del usuario.
b) ¿para qué valor de K es máxima la utilidad esperada mensual?
Solución:
a)
𝑈 = {(3000 − 200)𝑥 − 1000𝑘 𝑠𝑖 𝑥 < 𝑘, 1800𝑘 𝑠𝑖 𝑥 ≥ 𝑘
𝑘
𝐸(𝑈) = 2800 ∫ 𝑥𝑓(𝑥)𝑑𝑥 − 2800𝑘𝐹(𝑥) + 1800𝑘
0
𝑘
1 −𝑥⁄ −𝑘
𝐹(𝑥) = ∫ 𝑒 4 𝑑𝑥 = 1 − 𝑒 ⁄4
0 4
b) derivando la respuesta de E(U) e igualando a 0 se obtiene:
𝑘 = −4 ln(10⁄28)
61. sea X una variable con función de distribución acumulativa dada por:
X X<0 0≤x<1 1 ≤x<3 x≤3
F(X)=P[𝑋 ≤ 0.0 𝑥 2 ⁄2 (𝑥 + 1)⁄4 1.0
𝑥]
Calcule la media y la varianza
Solución:
𝐹(𝑥) = ∫ 𝑥𝑓(𝑥)𝑑𝑥
X X<0 0≤x<1 1 ≤x<3 x≤3

f(x) 0.0 x 1/4 0
1 3
1
𝑚𝑒𝑑𝑖𝑎 = µ = 𝐸(x) = ∫ 𝑥(𝑥)𝑑𝑥 + ∫ 𝑥( )𝑑𝑥
0 1 4
4
𝐸(𝑥) =
3
𝑣𝑎𝑟 = 𝐸(𝑥 2 ) − µ2
1 3
2) 2 (𝑥)
1 29
𝐸(𝑥 =∫ 𝑥 𝑑𝑥 + ∫ 𝑥 2 ( ) 𝑑𝑥 =
0 1 4 12
En:
29 16
𝑣𝑎𝑟 = − = 0.639
12 9
62.Si X es una variable aleatoria con media 30 y varianza 9 aplique la
desigualdad de Chebyshev para hallar el valor de c tal que 𝑃[|𝑋 − 30| > 𝑐] <
0.16
Solución:
a) El teorema de la desigualdad de Chebyshev es el siguiente:
Si X es una variable aleatoria unidimensional con esperanza finita E(X) y con

varianza Var (X), entonces para todo número positivo c tenemos:
(Una demostración de este teorema puede encontrarse en el Capítulo 14,

Sección 28 “Desigualdad de Chebyshev” del libro “Calculus, Vol. II” de Tom
Apostol.)
b) En nuestro problema:
𝐸(𝑥) = 30 ∧ 𝑉𝑎𝑟 (𝑥) = 9
Entonces según la desigualdad de Chebyshev:
𝑉𝑎𝑟(𝑥)
𝑃[|𝑋 − 𝐸(𝑥)| > 𝑐] <
𝑐2
Luego:
9
𝑃[|𝑋 − 30| > 𝑐] < ∧ 𝑃[|𝑋 − 30| > 𝑐] < 0.16
𝑐2
Entonces:
9
= 0.16
𝑐2
9 16 3 4
2
= → = → 𝑐 = 7.5
𝑐 100 𝑐 10
Respuesta:
a) c = 7.5
63. Si X e Y son dos variables aleatorias independientes, compruebe que:

𝑽𝒂𝒓(𝑿 + 𝒀) = 𝑽𝒂𝒓(𝑿) + 𝑽𝒂𝒓(𝒀)
Solución:
Se sabe que:
𝑉𝑎𝑟(𝑋) = 𝐸((𝑋 − 𝐸(𝑋))2)
𝑆𝑖 𝑏 ∈ ℝ 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑉𝑎𝑟(𝑋 + 𝑏) = 𝑉𝑎𝑟(𝑋)
Teniendo en cuenta estos dos puntos la demostración será:
𝑉𝑎𝑟(𝑋 + 𝑌) = 𝐸[(𝑋 + 𝑌 − 𝐸(𝑋 + 𝑌))2 ] = 𝐸[(𝑋 − 𝐸(𝑋) + 𝑌 − 𝐸(𝑌))2 ]
= 𝐸[(𝐸 − 𝐸(𝑋))2 + (𝐸 − 𝐸(𝑌))2 + 2(𝐸 − 𝐸(𝑋))(𝐸 − 𝐸(𝑌))]
= 𝐸[(𝐸 − 𝐸(𝑋))2 ] + 𝐸[(𝐸 − 𝐸(𝑌))2 ] + 2𝐸[(𝐸 − 𝐸(𝑋))]. 𝐸[(𝐸 − 𝐸(𝑌))]
= 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌)+0
𝑉𝑎𝑟(𝑋 + 𝑌) = 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌) 𝑙𝑜 𝑞𝑢𝑒 𝑞𝑢𝑒𝑟𝑖𝑎 𝑑𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑟
Si X es cualquier variable aleatoria que tiene media 𝜇 y desviación estándar 𝜎,

compruebe que la variable aleatoria estándar 𝑍 = (𝑋 − 𝜇)/𝜎 tiene media 0 y varianza 1.
Solución:
a) Probaremos que 𝑍 = (𝑋 − 𝜇)/𝜎 tiene media 0:
𝑍 = (𝑋 − 𝜇)/𝜎
𝑋 𝜇
𝑍= −
𝜎 𝜎
𝐸(𝑋) 𝜇
𝐸(𝑍) = −
𝜎 𝜎
Pero 𝐸(𝑋) = 𝜇, entonces:
𝜇 𝜇
𝐸(𝑍) = −
𝜎 𝜎
𝐸(𝑍) = 0
b) Probaremos que 𝑍 = (𝑋 − 𝜇)/𝜎 tiene varianza 1:
𝑍 = (𝑋 − 𝜇)/𝜎
𝑋 𝜇
𝑍= −
𝜎 𝜎
𝑉𝑎𝑟(𝑋)
𝑉𝑎𝑟(𝑍) =
𝜎2
Pero 𝑉𝑎𝑟(𝑋) = 𝜎 2 , entonces:
𝜎2
𝑉𝑎𝑟(𝑍) =
𝜎2
𝑉𝑎𝑟(𝑍) = 1
Respuesta:
a) Queda demostrado que la media de Z, E(Z) vale 0.
b) Queda demostrado que la varianza de Z, Var(Z) vale 1.
Problema 65
Si X es cualquier variable aleatoria tal que 𝐸[(𝑋 − 𝑐)2 ] existe, calcule el valor de la
constante c de manera que minimice el esperado.
Solución:
a) Tenemos:
𝐸[(𝑋 − 𝑐)2 ] = ∑(𝑥𝑖 − 𝑐)2 𝑓(𝑥𝑖 )
Existe un valor que puede tomar c, de modo que ∑(𝑥𝑖 − 𝑐)2 𝑓(𝑥𝑖 ) sea mínimo,
notamos que en la sumatoria ∑(𝑥𝑖 − 𝑐)2 𝑓(𝑥𝑖 ) el valor que tome c no afectará al
factor 𝑓(𝑥𝑖 ), pero sí afectará al valor (𝑥𝑖 − 𝑐)2 , si encontramos entonces un valor
de c para el que ∑(𝑥𝑖 − 𝑐)2 sea mínimo, habremos encontrado también el valor
de c para el que ∑(𝑥𝑖 − 𝑐)2 𝑓(𝑥𝑖 ) es mínimo.
b) Hallamos el valor de c para el que ∑(𝑥𝑖 − 𝑐)2 es mínimo.
∑(𝑥𝑖 − 𝑐)2 = ∑(𝑥𝑖 − 𝑥̅ + 𝑥̅ − 𝑐)2 = ∑(𝑥𝑖 − 𝑥̅ )2 + 2(𝑥̅ − 𝑐) ∑(𝑥𝑖 − 𝑥̅ ) + 𝑛(𝑥̅ − 𝑐)2
Como ∑(𝑥𝑖 − 𝑥̅ ) = 0, tenemos:
∑(𝑥𝑖 − 𝑐)2 = ∑(𝑥𝑖 − 𝑥̅ )2 + 𝑛(𝑥̅ − 𝑐)2
Como 𝑛(𝑥̅ − 𝑐)2 siempre es positivo o igual a cero, tenemos:
∑(𝑥𝑖 − 𝑐)2 ≥ ∑(𝑥𝑖 − 𝑥̅ )2
Concluimos entonces que el valor que debe tomar 𝑐 para que ∑(𝑥𝑖 − 𝑐)2 sea
mínimo es 𝑥̅
c) Finalmente:
𝑐 = 𝑥̅ = 𝐸(𝑥), 𝑝𝑎𝑟𝑎 𝑞𝑢𝑒 𝐸[(𝑋 − 𝑐)2 ] 𝑠𝑒𝑎 𝑚í𝑛𝑖𝑚𝑜.

Respuesta:
a) C=E(x) para que 𝐸[(𝑋 − 𝑐)2 ] sea mínimo.
66. La demanda diaria, en kilogramos, de un producto se distribuyen

según el modelos de la probabilidad normal con una media de 50 y una
desviación estándar de 10.
a) ¿Cuál es la probabilidad de que la demanda de un día cualquiera este
entre los 46 y 54 kilogramos? Ilustrar con una gráfica.
b) ¿Qué cantidad del producto debe haber diariamente a fin de satisfacer
la demanda en el 89.8% de los meses?
c) Si la utilidad diaria (en soles) del producto está dada por: U: 2.4x+20,
¿con que probabilidad la utilidad de un día cualquiera supera los 170
soles?
d) ¿Cuál es la probabilidad de que la demanda total de 3 días supere los
116 kilogramos?
SOLUCION:
𝑋 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑖𝑎𝑟𝑖𝑎 𝑑𝑒 𝑢𝑛 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
Por dato tenemos que:
𝑋~𝑁(𝜇, 𝜎 2 )
𝜇 = 50 ; 𝜎 = 10
a) La primera pregunta nos pide:
𝑃(46 ≤ 𝑋 ≤ 54) = ?
Como:
𝑋−𝜇 46 − 𝜇 𝑋 − 𝜇 𝑋 − 𝜇
𝑍= ⟹ 𝑃( ≤ ≤ )
𝜎 𝜎 𝜎 𝜎
46 − 50 54 − 50
𝑃( ≤𝑍≤ ) = 𝑃(−0.4 ≤ 𝑍 ≤ 0.4)
10 10
Hallando 𝑃(−0.4 ≤ 𝑍 ≤ 0.4):
𝑃(−0.4 ≤ 𝑍 ≤ 0.4) = 2Φ(0.4) − 1 = 2(0.6554) − 1 = 0.3108
𝑷(𝟒𝟔 ≤ 𝑿 ≤ 𝟓𝟒) = 𝟎. 𝟑𝟏𝟎𝟖

𝑷(𝟒𝟔 ≤ 𝑿 ≤ 𝟓𝟒) = 𝑷(−𝟎. 𝟒 ≤ 𝒁 ≤ 𝟎. 𝟒)
−𝟎. 𝟒 𝟎. 𝟒
b) Nos da el valor de la probabilidad de 0.8980 con lo desarrollando

inversamente podemos hallar la cantidad del producto que debe haber a
diario para satisfacer la demanda:
𝑃(𝑍 ≤ 𝑧1 ) = 0.8980
Φ(𝑧1 ) = 0.8980 ⟹ 𝑧1 = 1.27
Luego:
X = 𝑧1 (𝜎) + 𝜇 = (1.27)(10) + 50
𝐗 = 𝟔𝟐. 𝟕
c) 𝑈 = 2.4𝑋 + 20 2.4𝑋 + 20 ≥ 170
2.4𝑋 ≥ 150 ⟹ 𝑋 = 62.7
𝑋 − 𝜇 62.7 − 50
𝑍= = = 1.25
𝜎 10
Conociendo el valor de Z hallamos la probabilidad:

𝑃(𝑍 ≥ 1.25) = 1 − Φ(1.25) = 1 − 0.8944
𝑷(𝒁 ≥ 𝟏. 𝟐𝟓) = 𝟎. 𝟏𝟎𝟓𝟔
d) Utilizando la propiedad reproductiva de la normal (PRN):

𝑋~𝑁(𝜇, 𝜎 2 ) ∧ 𝑌 = 3𝑋 ⟹ 𝑌~𝑁(3𝜇, 3𝜎 2 )
Luego: 𝑌~𝑁(150,300) ⟹ 𝜇 = 150 ; 𝜎 = 17.321
116 − 150
𝑍= = −1.9629909 ≈ −1.96
17.321
Nos pide:
𝑃(𝑌 ≥ 116) = 𝑃(𝑍 ≥ −1.96) = 1 − [1 − Φ(1.96)] = Φ(1.96)
𝑷(𝒁 ≥ −𝟏. 𝟗𝟔) = 𝟎. 𝟗𝟕𝟓𝟎
Respuesta:
b) La probabilidad es de un 31,08%.
c) Diariamente tendría que haber 62,7 kg de producto.
d) La utilidad diaria supera los 170 soles con una probabilidad de
10,56%.
e) La probabilidad es de 97,50%.
67.- Los puntajes resultantes de una prueba de conocimientos aplicados a

120 alumnos se distribuyen según el modelo de la probabilidad normal
con una media de 80 puntos.
a) Calcule la desviación estándar si el 6.68% de ellos obtienen menos de
59 puntos.
b) ¿Qué porcentaje máximo se requiere en esta prueba para estar en el
cuarto inferior? y ¿Qué puntaje mínimo se requiere para estar en el
cuarto superior?
c) ¿Cuántos alumnos se encuentran entre el cuartil 1 y el cuartil 3?
SOLUCION:
𝑋 = 𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑝𝑟𝑢𝑒𝑏𝑎
𝑋~𝑁(𝜇, 𝜎 2 )
𝑛 = 120 ; 𝜇 = 80 ; 𝜎 =?
a) Si el 0.0668 de ellos obtiene menos de 59 puntos hallaremos la desviación
estándar de la siguiente forma:
𝑃(𝑋 ≤ 59) = 𝑃(𝑍 ≤ 𝑧) = 0.0668 ⟹ 𝑧 = −1.5

𝑋−𝜇 59 − 80
𝑍= ⟹ 𝜎= = 14
𝜎 −1.5
𝝈 = 𝟏𝟒
b) Como el 𝑄1 = 0.25 y nos pide el mínimo del cuarto superior, para lo que
necesitamos el valor de 𝑄3 = 0.75. Sabiendo esto:
Puntaje máximo para estar en el cuarto inferior:

𝑃(𝑍 ≤ 𝑧) = 0.25 ⟹ 𝑧 = −0.67 (𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜)
⟹ 𝑋 = 𝑧(𝜎) + 𝜇 = (−0.67)(14) + 80
𝑿 = 𝟕𝟎. 𝟔𝟐
Puntaje mínimo para estar en el cuarto superior:
𝑃(𝑍 ≤ 𝑧) = 0.75 ⟹ 𝑧 = 0.67 (𝑣𝑎𝑙𝑜𝑟 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑜)
⟹ 𝑋 = 𝑧(𝜎) + 𝜇 = (0.67)(14) + 80
𝑿 = 𝟖𝟗. 𝟑𝟖
c) Como sabemos, entre el 𝑄1y el 𝑄3 hay un porcentaje del 50% del total con lo
que podemos decir:
𝑛º 𝑑𝑒 𝑎𝑙𝑢𝑚𝑛𝑜𝑠 𝑒𝑛𝑡𝑟𝑒 𝑄1 𝑦 𝑄3 = (0.50)(120) = 𝟔𝟎 𝒂𝒍𝒖𝒎𝒏𝒐𝒔
Respuesta:
a) La desviación estándar es igual a 𝝈 = 𝟏𝟒.
b) El puntaje máximo para estar en el cuarto inferior es de 70,62 y el
puntaje mínimo para estar en el cuarto superior es de 89,38.
c) Entre el 𝑸𝟏 y el 𝑸𝟑 hay 60 alumnos.
68.- Cierto liquido industrial contiene un porcentaje X por galón de un

compuesto particular cuya distribución es normal con una media de 15%
y una desviación estándar de 3%. El fabricante tiene una utilidad neta de
$0.15, si 𝟗 < 𝑿 < 𝟐𝟏, de $0.10, si 𝟐𝟏 ≤ 𝑿 ≤ 𝟐𝟕, y una pérdida de $0.05, 𝟑 ≤
𝑿 ≤ 𝟗, calcule la utilidad esperada por galón.
SOLUCION:
𝑋 = 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑗𝑒 𝑝𝑜𝑟 𝑔𝑎𝑙ó𝑛
𝑋~𝑁(𝜇, 𝜎 2 )
𝜇 = 15 ; 𝜎 = 3
Además ordenando los datos:
i. Perdida de $0.05 cuando 3 ≤ 𝑋 ≤ 9
ii. Utilidad de $0.15 cuando 9 < 𝑋 < 21
iii. Utilidad de $0.10 cuando 21 ≤ 𝑋 ≤ 27
En (i):
3 − 15 9 − 15
𝑃( ≤𝑍≤ ) = 𝑃(−4 ≤ 𝑍 ≤ −2) = Φ(4) − Φ(2)
3 3
𝑃(−4 ≤ 𝑍 ≤ −2) = 1 − 0.9772 = 𝟎. 𝟎𝟐𝟐𝟖
En (ii):
9 − 15 21 − 15
𝑃( ≤𝑍≤ ) = 𝑃(−2 ≤ 𝑍 ≤ 2) = 2Φ(2) − 1
3 3
𝑃(−2 ≤ 𝑍 ≤ 2) = 2(0.9772) − 1 = 𝟎. 𝟗𝟓𝟒𝟒
En (iii):
21 − 15 27 − 15
𝑃( ≤𝑍≤ ) = 𝑃(2 ≤ 𝑍 ≤ 4) = Φ(4) − Φ(2)
3 3
𝑃(2 ≤ 𝑍 ≤ 4) = 1 − 0.9772 = 𝟎. 𝟎𝟐𝟐𝟖
Entonces la utilidad esperada por galón vendrá dada por:

(−0.05)(0.0228) + (0.15)(0.9544) + (0.10)(0.0228) = 0.1443
Respuesta:
La utilidad esperada por galón es de $0.1443
𝑛 = 20 𝑃 = 0,02 𝑥 = 3 𝑞 =1−𝑝
Solución de problema bajo dos enfoques:
 Enfoque de Poisson
(𝑛. 𝑝)𝑛 . 𝑒 −𝑛.𝑝 (20.0,02)3 . 𝑒 −20.0,02
𝑃(𝑥) = = = 0,00715
𝑥! 3!
 Enfoque Binomial
𝑛! 20!
𝑃(𝑥) = [ ] . (𝑝 𝑥 . 𝑞 𝑛−𝑥 ) = [ ] . (0,023 . 0,9820−3 )
(𝑛 − 𝑥)! (20 − 3)!
𝑃(𝑥) = 0.0065
Reflexión:
Como se aprecia en ella la diferencia entre las dos distribuciones de probabilidad
es inane (apenas cerca del 10% de error).
69. Los resultados de un examen de comportamiento agresivo aplicado a
400 adolescentes se distribuyen según el modelo de la probabilidad
normal con una media igual a 35 puntos.
e) Obtenga la desviación estándar de la distribución si el 84.13% de los
adolescentes obtienen al menos 30 puntos. ¿Cuántos adolescentes
obtienen entre 26 y 44 puntos?
f) ¿Qué probabilidad hay de que 3 de 5 adolescentes obtengan al
menos 31.4 puntos? Suponga independencia de los puntajes.
SOLUCIÓN:
c) X (variable aleatoria) = Puntaje obtenido en el examen
Tenemos además que:

𝑋~𝑁(𝜇, 𝜎 2 )
Sabemos que 𝜇 = 35, necesitamos hallar la desviación estándar 𝜎,

tenemos:
𝑃(𝑋 ≥ 30) = 0.8413
Estandarizamos la distribución para poder usar la tabla
𝑋 − 𝜇 𝑋 − 35 −5
𝑍= = ; 𝑠𝑖 𝑋 = 30 → 𝑍 =
𝜎 𝜎 𝜎
−5 −5
𝑃 (𝑍 ≥ ) = 1 − 𝑃 (𝑍 ≤ )
𝜎 𝜎
−5
𝑃 (𝑍 ≥ ) = 0.8413
𝜎
−5
𝑃 (𝑍 ≤ ) = 0.1587
𝜎
−5
En la tabla Φ(𝑧1 ) = 𝑃(𝑍 ≤ 𝑧1 ) = 0.1587 → 𝑧1 = −1, 𝑝𝑒𝑟𝑜 𝑧1 = 𝜎
−5
−1 = → 𝜎=5
𝜎
Ahora hallamos 𝑃(26 ≤ 𝑋 ≤ 44)

26 − 𝜇 44 − 𝜇 26 − 35 44 − 35
𝑃(26 ≤ 𝑋 ≤ 44) = 𝑃 ( ≤𝑍≤ ) = 𝑃( ≤𝑍≤ )
𝜎 𝜎 5 5
= 𝑃(−1.8 ≤ 𝑍 ≤ 1.8) = 2 𝑃(0 ≤ 𝑍 ≤ 1.8) = 2(Φ(1.8) − 0.5)
= 2Φ(1.8) − 1
𝑃(26 ≤ 𝑋 ≤ 44) = 2Φ(1.8) − 1 = 2(0.9641) − 1 = 0.9282
Finalmente: 0.9282 ∙ 400 (𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑎𝑑𝑜𝑙𝑒𝑠𝑐𝑒𝑛𝑡𝑒𝑠) = 371.28 ≅
371 𝑎𝑑𝑜𝑙𝑒𝑠𝑐𝑒𝑛𝑡𝑒𝑠.
d) Hallamos primero la probabilidad de que un estudiante obtenga por lo
menos 31.4 puntos:
𝑋−𝜇
𝑍= ; 𝑋 = 31.4 → 𝑍 = −0.72
𝜎
𝑃(𝑍 ≥ −0.72) = 1 − 𝑃(𝑍 ≤ −0.72) … (1)
𝑃(𝑍 ≤ −0.72) = Φ(−0.72) = 0.2358 𝑢𝑠𝑎𝑛𝑑𝑜 𝑒𝑛 (1)𝑡𝑒𝑛𝑒𝑚𝑜𝑠:
𝑃(𝑍 ≥ −0.72) = 1 − 0.2358 = 0.7642
Hay entonces un 76.42% de posibilidades de que un estudiante obtenga
por lo menos 31.4.
Al averiguar la probabilidad de que de cinco estudiantes, tres obtengan
más de 31.4 estamos frente a un ensayo de Bernoulli, pues solo hay dos
resultados para cada estudiante posibles, Éxito o Fracaso, Si o No y la
probabilidad se mantiene para cada estudiante, entonces:
𝑃[𝑥 = 𝑘] = 𝑪𝑛𝑘 ∙ 𝑝𝑘 ∙ 𝑞 𝑛−𝑘
5!
𝑃[𝑥 = 3] = 𝑪53 ∙ 𝑝3 ∙ 𝑞 5−3 = ∙ 0.76423 ∙ 0.23582 = 0.2481468129
3! 2!
Respuesta:
f) Probabilidad: 92.82%, cantidad de adolescentes: 371 (371.28).
g) Probabilidad: 24.81468129%
70. En un trabajo estadístico se ha logrado determinar que los tipos de

cambio oficial del dólar USA en soles (X) durante 360 días de cotización del
año 2006, se distribuyen según el modelo de la probabilidad normal con
una media de 3.225 soles y una desviación estándar de 0.025 soles.
a) ¿En cuántos de estos días se cotizó el dólar por más de 3.179 soles?
b) Si para el próximo año se proyecta un tipo de cambio Y dado por 𝒀 =
𝟎. 𝟗𝟖𝑿 + 𝟎. 𝟎𝟏𝟐, ¿cuál es la probabilidad de que el dólar se cotice por
menos 3.132?
SOLUCIÓN:
c) X (variable aleatoria) = Tipo de cambio oficial del dólar

𝑋~𝑁(𝜇, 𝜎 2 )
Sabemos que 𝜇 = 3.225 y que 𝜎 = 0.025
Ahora hallamos 𝑃(𝑋 ≥ 3.179)

3.179 − 3.225
𝑃(𝑋 ≥ 3.179) = 𝑃 (𝑍 ≥ ) = 𝑃(𝑍 ≥ −1.84) = 𝑃(𝑍 ≤ 1.84)
0.025
= Φ(1.84)
𝑃(𝑋 ≥ 3.179) = Φ(1.84) = 0.9671
Finalmente: 0.9671 ∙ 360 (𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑í𝑎𝑠) = 348.156 𝑑í𝑎𝑠.
d) Queremos hallar:
𝑃(𝑌 ≤ 3.132)
Tenemos:
𝑌 = 0.98𝑋 + 0.012; 𝑌 = 3.132 → 𝑋 = 3.183673469
Entonces:
3.183673469 − 3.225
𝑃(𝑌 ≤ 3.132) = 𝑃(𝑋 ≤ 3.183673469) = 𝑃 (𝑍 ≤ )
0.025
= 𝑃(𝑍 ≤ −1.653061224) = 1 − Φ(1.653061224)
𝑃(𝑌 ≤ 3.132) = 1 − Φ(1.653061224) = 1 − 0.9505 = 0.0495
Finalmente la probabilidad es 4.95%.
Respuesta:
c) 348.156 días.
d) Probabilidad: 4.95%
71. Las calificaciones de 400 alumnos en una prueba final de Estadística se

distribuyen según el modelo de probabilidad normal con una media de 12.
a) Obtenga aproximadamente la desviación estándar de la distribución
si la nota mínima es 6 y la máxima es 18.
b) Si la nota aprobatoria es 11, ¿cuántos alumnos aprobaron el curso?
c) ¿Qué nota como mínimo debería tener un alumno para estar ubicado
en el quinto superior?
d) ¿Qué rango percentil tiene un alumno cuya nota es 14?, indique su
orden de mérito.
SOLUCIÓN:
d) X (variable aleatoria) = Calificación de la prueba

𝑋~𝑁(𝜇, 𝜎 2 )
Sabemos que 𝜇 = 13
Es fácil deducir que:
𝑃(𝜇 − 3𝜎 ≤ 𝑋 ≤ 𝜇 + 3𝜎) = 0.9974
Podemos entonces decir que aproximadamente el 100% de

probabilidades está en el intervalo (𝜇 − 3𝜎 ≤ 𝑋 ≤ 𝜇 + 3𝜎).
𝑃(𝜇 − 3𝜎 ≤ 𝑋 ≤ 𝜇 + 3𝜎) ≅ 1
Pero por dato del problema tenemos:
𝑃(6 ≤ 𝑋 ≤ 18) = 1
Entonces:
(𝜇 − 3𝜎 ≤ 𝑋 ≤ 𝜇 + 3𝜎) ≅ (6 ≤ 𝑋 ≤ 18); 𝑑𝑜𝑛𝑑𝑒 𝜇 = 12
𝜇 + 3𝜎 ≅ 18 → 12 + 3𝜎 ≅ 18 → 𝜎 ≅ 2
e) Hallamos primero:
𝑃(𝑋 ≥ 11)
Tenemos:
11 − 12
𝑃(𝑋 ≥ 11) = 𝑃 (𝑍 ≥ ) = 𝑃(𝑍 ≥ −0.5) = Φ(0.5) = 0.6915
2
Entonces el 69.15% de los estudiantes aprobó, es decir:
0.6915 ∙ 400 = 276.6 ≅ 277 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠
f) Hallamos primero 𝑧1 :
1
𝑃(Z ≥ 𝑧1 ) = = 0.2 → 𝑧1 = 0.8012857143 (𝑝𝑜𝑟 𝑖𝑛𝑡𝑒𝑟𝑝𝑜𝑙𝑎𝑐𝑖ó𝑛)
5
Tenemos:
𝑋1 − 12
𝑧1 = → 𝑋1 = 13.60257143
2
Entonces como mínimo se debe sacar 13.603 de nota para estar en el

quinto superior.
g) Hallamos 𝑃(X ≤ 14)

14 − 12
𝑃(X ≤ 14) = 𝑃 (Z ≤ ) = 𝑃(Z ≤ 1) = 0.8413
2
Percentil 84.13.
Ahora su orden de mérito será:

400 − (0.8413 ∙ 400) = 400 − 336.52 = 63.48 ≅ 63 𝑎𝑣𝑜
Respuesta:
b) Desviación estándar: 𝜎 ≅ 2
c) Aprobaron el curso 277 (276.6) alumnos.
d) Debe tener como mínimo 13.603 de nota para estar en el quinto
superior.
e) Su percentil es 84.13, según el orden de mérito será el 63avo (63.48).
72.
73.
74.
75. Una pieza es considerada defectuosa y por lo tanto rechazada si su
diámetro es mayor que 2.02cm o si es menos que 1.98cm. Suponga que
los diámetros tienen distribución normal con media de 2cm y desviación
estándar de 0.01cm.
a) ¿Cuántas piezas de 10000 se espera sean rechazadas?
b) ¿Cuál es la probabilidad de que 2 piezas de 4 sean rechazadas si
las 4 piezas se escogen una a una sin reposición de un número
desconocido de piezas?
c) ¿Cuál es la probabilidad de que la cuarta pieza buena sea la sexta
probada si las piezas se escogen una a una sin reposición de un
número desconocido de piezas?
SOLUCION:
a) TEMA: DISTRIBUCIÓN DE PROBABILIDAD NORMAL
Entonces la pieza es rechazada si su Diámetro: 𝐷 <
1.98𝑐𝑚 𝑜 𝑠𝑖 2.02𝑐𝑚 < 𝐷
DATOS:
D: Diámetro
𝐷~𝑁(𝜇, 𝜎 2 )
𝜇 = 2𝑐𝑚
𝜎 = 0.01 → 𝜎 2 = 0.0001
Calculemos la probabilidad de que se rechace la pieza
𝐷 − 𝜇 2.02 − 2
𝑃 = [𝐷 > 2.02] = 𝑃 [ > ] = 𝑃[𝑍 > 2] = 1 − 𝜙(2) = 1 − 0.9772
𝜎 0.01
= 0.0228
𝐷 − 𝜇 1.98 − 2
𝑃 = [𝐷 < 1.98] = 𝑃 [ < ] = 𝑃[𝑍 < −2] = 1 − 𝜙(2) = 1 − 0.9772
𝜎 0.01
= 0.0228
Entonces la probabilidad de que la pieza sea rechazado es: 0.0228 + 0.0228 =
0.0456
Luego de 10000 pizas serán rechazadas= 10000 × 0.0456 = 456𝑝𝑖𝑒𝑧𝑎𝑠
b) TEMA: PROBABILIDAD BINOMIAL
Si B es el evento = ‘’Ocurren k éxitos de n pruebas’’, entonces, un caso
(𝐸𝐸 … 𝐸𝐸) ⏟
partícula de B es el evento ⏟ (𝐹𝐹 … 𝐹𝐹) cuya probabilidad es =
𝑘 𝑣𝑒𝑐𝑒𝑠 𝑛−𝑘 𝑣𝑒𝑐𝑒𝑠
𝑘 𝑛−𝑘
𝑝 × (1 − 𝑝) donde p es la probabilidad de que ocurra un éxito luego
(1-p) es la probabilidad de que ocurra un fracaso.
Luego todos los caso de B se obtienen ‘’chocolatendo las letras
repetidas y nos importa el orden en que salgan’’ entonces el número de
formas que ocurra en evento B es 𝐶𝑘𝑛
Entonces 𝑃(𝐵) = 𝐶𝑘𝑛 × 𝑝𝑘 × (1 − 𝑝)𝑛−𝑘
En nuestro caso sería: Ocurren k=2 éxitos (que se rechace) de n=4 pruebas
(piezas que se escogieron). Entonces 𝑃(𝐵) = 𝐶24 × 𝑚2 × (1 − 𝑚)2 donde m es
la probabilidad de que se rechace que para nosotros lo consideraremos como
éxito.
c) TEMA: PROBABILIDAD DE PASCAL O BINOMIAL NEGATIVA
Sea el evento D = ‘’ Ocurren k éxitos de n pruebas, de manera que el k-
ésimo éxito sea la n-ésima prueba’’. El último ensayo es un éxito, en los
restantes ensayos anteriores ocurre una binomial. Luego:
𝑛−1 𝑛−1
𝑃(𝐷) = (𝐶𝑘−1 × 𝑝𝑘−1 × (1 − 𝑝)𝑛−𝑘 ) × 𝑝 = 𝐶𝑘−1 × 𝑝𝑘 × (1 − 𝑝)𝑛−𝑘 don de
p es la probabilidad un éxito.
En nuestro caso: Ocurren k=4 éxitos (es decir salen buenas) de n=6 pruebas,
de manera que la CUARTA pieza buena sea la SEXTA probada. Sabemos que
la probabilidad de éxito es en este caso la que era la de fracaso en la pregunta
b ósea (1-m) entonces:
6−1
𝑃(𝐷) = 𝐶4−1 × (1 − 𝑚)4 × 𝑚6−4 = 𝐶35 × (1 − 𝑚)4 × 𝑚2
76. Un exportador recibe sacos de café de un quintal al mismo tiempo de
dos proveedores A (Chanchamayo) B (Quillabamba). El 40% recibe de A y
el resto de B. El porcentaje de granos con impurezas por saco es una
variable aleatoria cuyo modelo de probabilidad es normal con media y
desviación estándar respectivamente de 6% y 2% para A y de 8% y de 3%
para B. Si el exportador selecciona un saco al azar.
a) Que probabilidad hay de que el porcentaje de granos con impurezas
supere el 10 %
b) Si el porcentaje de granos con impurezas supera el 10% ¿Qué
probabilidad hay que provenga de Chanchamayo?.
SOLUCIÓN:
A) Se sabe que:
Calculemos la probabilidad de que se rechace

𝑃=[𝐷>2.02]=𝑃[𝐷−𝜇𝜎>2.02−20.01]=𝑃[𝑍>2]=1−𝜙(2)=1−0.9772=0.0228
𝑃=[𝐷<1.98]=𝑃[𝐷−𝜇𝜎<1.98−20.01]=𝑃[𝑍<−2]=1−𝜙(2)=1−0.9772=0.0228
Entonces la probabilidad de que la pieza sea rechazado es:

0.0228+0.0228=0.0456 Luego de 10000 pizas serán rechazadas=
10000×0.0456=456𝑝𝑖𝑒𝑧𝑎𝑠
Por lo tanto
P=0.4xP[𝑍 > 2]1 + 0.6xP[𝑍 > 0.67] − 1

= 0.4𝑥0.00228 + 0.6x0.2514
= 0.15996
B) Sabiendo que el 15.87%de los clientes consume por más de $15
p(𝑥−𝑢σ<15−𝑢5)=0.1587
p(𝑧<15−𝑢5)=0.1587
Viendo la tabla: Zcal = 1.00 entonces:
15−𝑢5 =1.00
15-u=5
u = 10
112 personas pagaron menos de $7.1, ¿cuántas personas comieron en

el restaurante?
p(𝑥<7.1)
p(𝑥−𝑢σ<7.1−105)
p(𝑧<−058) = 0.2810
Por lo tanto:
0.4x0.0228/0.15996
77. Una fábrica cuenta con 3 máquinas A, B y C, donde, la maquina A

produce diariamente el triple de B y ésta el doble de C. Además se sabe
que el peso de los artículos producidos por A se distribuye
exponencialmente con una media de 5 Kg, el peso de los producidos por
B se distribuyen uniformemente entre 3 Kg y 8 Kg, mientras que el peso
de los producidos por C se distribuye normalmente con una media de 6
Kg y una desviación estándar de 2 Kg. Estos artículos llegan a una
bandeja donde se juntan aleatoriamente. Si se extrae de la bandeja un
artículo al azar:
a) ¿Cuál es la probabilidad de que pese a lo más 5Kg?
b) Si pesa más de 5 Kg, ¿Cuál es la probabilidad de que haya sido
fabricado por la maquina A?
SOLUCION:
TEMA: ALGUNAS DISTRIBUICIONES IMPORTANTES DE VARIABLES
ALEATORIAS CONTINUAS Y TEOREMAS DE BAYES
 A se distribuye exponencialmente con una media igual a 5, entonces 𝜇 =

1 1 1
5 se sabe además que 𝛽 = 𝜇 → 𝛽 = 𝜇 = 5, luego la probabilidad se
𝑥
calcula así: 𝑃⌈𝑋 ≤ 𝑥⌉ = ∫0 𝛽𝑒 −𝛽𝑥 𝑑𝑥
51 1
entonces: 𝑃⌈𝑋 ≤ 5⌉ = ∫0 5 𝑒 −5𝑥 𝑑𝑥 = 0.6321
 B tiene una distribución uniforme entre 3 y 8 entonces: 𝐵~𝑈[3,8] Luego

si
[𝑐, 𝑑] ⊂ [𝑎, 𝑏]La probabilidad de que X tome valores entre [𝑐, 𝑑] es:
𝑑−𝑐 5−3
𝑃[𝑐 ≤ 𝑋 ≤ 𝑑] = 𝑏−𝑎, entonces 𝑃[3 ≤ 𝑋 ≤ 5] = 8−3 = 0.4
 C se distribuye normalmente con 𝜇 = 6 𝑦 𝜎 = 2 → 𝜎 2 = 4 entonces
𝐶~𝑁[6,4]
La probabilidad será:
𝑋−𝜇 5−6
𝑃[𝑋 ≤ 5] = 𝑃 [ ≤ ] = 𝑃[𝑍 ≤ −0.5] = 1 − 𝜙(0.5) = 1 − 0.6915
𝜎 2
= 0.3085
Ahora armemos en diagrama de árbol: para ello hallemos la producción por día
de cada uno, sabemos que:
𝐴 = 3𝐵 → 𝐴 = 3(2𝐶) = 6𝐶. Entonces la probabilidad de que se saque un
6𝐶 6
artículo producido por la maquina A será 9𝐶 = 9
𝐵 = 2𝐶. Entonces la probabilidad de que se saque un artículo producido por la

2𝐶 2
maquina B será 9𝐶 = 9
C =C. Entonces la probabilidad de que se saque un artículo producido por la

1
maquina C será 9
𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖𝑜𝑛 𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑟 𝑑𝑖𝑎 = 𝐴 + 𝐵 + 𝐶 = 6𝐶 + 2𝐶 + 𝐶 = 9𝐶
a) La probabilidad de que pese más de 5 Kg será

6 2 1
× 0.6321 + 9 × 0,4 + 9 × 0.3085 = 0.5446
9
b) La probabilidad de que pese más de 5 Kg y haya sido producida por A
sera: guiándonos de la grafica
6
9 × 0.3679 = 0.5385
6 2 1
× 0.3679 + × 0.6 + × 0.6915
9 9 9
78. El monto de consume que registra una cajera de un supermercado
en un día cualquiera es una variable aleatoria que tiene distribución normal
con media$ 200 y desviación estándar $ 50.
a) En este supermercado sólo el 5% de los clientes se considera un
excelente cliente y por lo tanto como promoción puede recibir un 10% de
descuento, ¿a partir de qué consumo un cliente se beneficiará de la
promoción?.
b) Actualmente el 30% de los clientes tiene un consumo considerado como
mínimo. La empresa considera que en base a la promoción en unos meses
sólo el 20% de los clientes consumirá debajo de ese monto, ¿cuánto dinero
adicional tendrá que gastar cada cliente para que esto se cumpla?
SOLUCION:
σ=50
u=200
𝒙−𝒖 𝒌−𝟐𝟎𝟎
a) p( ≥ )=0.05
𝛔 𝟓𝟎
𝐤−𝟐𝟎𝟎
p(𝒛≥ )=0.05
𝟓𝟎
𝒌−𝟐𝟎𝟎
1- p(𝒛≤ )=0.05
𝟓𝟎
𝒌−𝟐𝟎𝟎
p(𝒛≤ )=0.95
𝟓𝟎
Viendo la tabla: Zcal =1.645 entonces:
𝒌−𝟐𝟎𝟎
=1.645
𝟓𝟎
k = 282.25
𝑥−𝑢 𝑐−200
b) p( < )=0.30
σ 50
𝐜−𝟐𝟎𝟎
p(𝒛< )=0.30
𝟓𝟎
Viendo la tabla: Zcal =-0.52 entonces:

𝐜−𝟐𝟎𝟎
= -0.52
5𝟎
c =174
𝑥−𝑢 𝑚−200
p( < )=0.20
σ 50
𝑚−200
p(z< )=0.20
50
Viendo la tabla: Zcal =- 0.84 entonces:

𝑚−200
= - 0.84
50
m = 158
m+d=c
158+d=174
d = 16 tendrá que gastar $16 cada cliente para que cumpla.
79.-Suponga que el costo de consumo por personas en un restaurante se

distribuye normalmente con una desviación estándar igual a $5. Si se sabe
que el 15.87% de los clientes han pagado más de $ 15 y que 112 personas
pagaron menos de $7.1, ¿cuántas personas comieron en el restaurante?
SOLUCION:
σ=5
Sabiendo que el 15.87%de los clientes consume por más de $15
𝑥−𝑢 15−𝑢
p( < )=0.1587
σ 5
15−𝑢
p(𝑧 < )=0.1587
5
Viendo la tabla: Zcal = 1.00 entonces:

15−𝑢
=1.00
5
15-u=5
u = 10
112 personas pagaron menos de $7.1, ¿cuántas personas comieron en el

restaurante?
p(𝑥 < 7.1)
𝑥−𝑢 7.1−10
p( < )
σ 5
p(𝑧 < −058) = 0.2810
112/0.2810= 398.576512
112/0.28 = 400 en el restaurante comieron 400 personas

ESTADISTICA Ejercicios 1-79

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ESTADISTICA Ejercicios 1-79

Transféré par

Droits d'auteur :

Formats disponibles

Universidad Nacional Jorge Basadre Grohmann

Facultad de Ingeniería Civil, Arquitectura y Geotecnia

1. La función de distribución de la variable aleatoria que representa la

𝑑𝐹(𝑥) 4 −2𝑥/3 1 −𝑥/3

La probabilidad de que una llamada dure entre 3 y 6 minutos:

P(3≤ɸ≤6)=F(6) – F(3) ≈ 0.1555

Donde ɸ denota la variable aleatoria que mide la duración de una llamada en

2. Sea la variable aleatoria X que toma los valores -1 y 0 con

A) El valor de k es aquel que verifica que la suma de todas las probabilidades

P(X=1) + P(X=0) + P [X∈(0,2)]=1

0,1 + 0,2 + ∫ 𝑘(2𝑥 − 1)𝑑𝑥 = 1 → 𝐾 = 0,35

3. Se debe elegir entre 2 procesos para la fabricación de pernos cuya

X: longitud de los pernos.

𝑃(𝐴) = 62.631% 𝑑𝑒 𝑝𝑒𝑟𝑛𝑜𝑠 𝑎𝑐𝑒𝑝𝑡𝑎𝑏𝑙𝑒𝑠

B) Calcular la longitud media y la varianza de los pernos producidos

b. Probabilidad de que haya más de 2 accidentes en 2 meses

𝑃(𝑌 > 2) = 1 − 𝑃(𝑌 ≤ 2) = 1 − 0.9197 = 0.0803

Se trata de una distribución normal de media µ=70 y desviación típica σ=6,

Por lo tanto el 68.25% de las personas pesan entre 64 y 76 kg que

8. La duración media de un televisor es de ocho años y su desviación

Entonces la probabilidad de adquirir un televisor que duré más de nueve años

𝒙~𝑵 = (µ; 𝜎) = (78; 36)

𝑃(𝑥 > 72) = 1 − 𝑃(𝑥 ≤ 72)

b) Si se sabe que la calificación de un estudiante es mayor que 72

Primero debo hallar 𝑃(𝑥 > 84)

𝑆𝑒 𝑠𝑎𝑏𝑒 𝑞𝑢𝑒: 𝑃(𝑥 > 72) = 0.8413

Entonces, lo pedido en la pregunta es lo siguiente:

11. El tiempo de vida útil, en días de frascos de cierta medicina es una

a) ¿Cuál es la probabilidad de que un frasco de este medicamento

𝑅𝑒𝑠𝑜𝑙𝑣𝑖𝑒𝑛𝑑𝑜 𝑒𝑠𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑎𝑙 𝑠𝑒 𝑡𝑖𝑒𝑛𝑒 𝑞𝑢𝑒 ∶ 𝒌 = 𝟐𝟎𝟎𝟎𝟎

b) ¿Cuál es la probabilidad de que un frasco de este medicamento

Se debe de hallar: 𝑃(𝑥 ≥ 200)

c) ¿Cuál es la probabilidad de que un frasco de este medicamento

Se debe hallar: 𝑃(80 < 𝑥 < 120)

Resolviendo: 𝑃(80 < 𝑥 < 120) = 0.102

¿Cuál es la vida media de los frascos de esta medicina?

𝑅𝑒𝑠𝑜𝑙𝑣𝑖𝑒𝑛𝑑𝑜: 𝐸(𝑥) = 100

Como me pide hallar la probabilidad de x en el intervalo (µ; µ+ 𝜎) igual a (1.75;

𝑷(𝟏. 𝟕𝟓 ≤ 𝒙 ≤ 𝟏. 𝟖𝟓) = 𝟎. 𝟑𝟒𝟏𝟑

Calcule la función de densidad de probabilidad de X. ¿Qué proporción de las reacciones están

P(x < 200) = F(200) = 1 – e-2 = 0.8647

a) ¿Qué porcentaje de los resistores tendrán una resistencia inferior a 16 ohmios?

 P( Z  2.19)  P( Z  1.56)  0.9857  0.0594  0.9263

d ) P( Z  z )  1  0.1  0.9  De la tabla : z  1.28

Sustituyendo en la fórmula para p(x), obtenemos:

Por lo tanto, la probabilidad de que haya menos de dos lesiones laborales

17. Supongamos que tenemos un hospital con 20 máquinas de diálisis

b) Que lleguen menos de 12 llamadas durante un lapso de 10 minutos.

Ahora: (utilizaremos tabla de Poisson)

c) Que lleguen más de 40 llamadas durante un cuarto de hora.

Por lo tanto la función de densidad queda de la siguiente forma:

3. Calcular la función de distribución de la variable X:

b) Hallar la media y la varianza de X.

Luego remplazando: 𝐸(𝑦) = 3(6.821) − 2(2.597) + 1

22. El 20% de los trabajadores de una empresa ir a la huelga. Se seleccionan 5

a) La probabilidad de que al menos vayan 3 es:

𝐶35 + 𝐶45 + 𝐶55 𝐶35 + 𝐶45 + 𝐶55

b) La probabilidad de que todos vayan a la huelga es:

c) La probabilidad de que ninguno vaya a la huelga es:

23. El número medio de accidentes ocurridos en una planta petrolera es de 2

a) La variable definida sigue un modelo Poisson de parámetro 𝜆 = 2.

b) Probabilidad de que haya más de 2 accidentes en 2 meses.